AIとの音声会話で、相手の話を遮った瞬間に会話が止まる——そんな経験はありませんか。ChatGPTアプリでは、双方向（Bidirectional）音声モードの段階的な展開が進んでいます。会話の割り込み、発話のカウント、誤りの訂正といった、人間同士の会話に近い動きが加わりつつあります。

この記事では、新音声モードの変更点と背景、既存のAdvanced Voice Modeとの違い、現時点でわかっている使い方の見通しを整理します。

この記事でわかること

  • GPT Bidirectional Voice Mode（GPT-Bidi-1）とは何か
  • 割り込み・発話カウント・誤り訂正の3つの新機能
  • 既存のAdvanced Voice Modeとの違い
  • 段階的展開の状況と注意点

https://chatgpt.com/

双方向音声モードとは何が変わったか

2026年6月21日、XIVIX氏がChatGPTアプリ向けに「GPT Bidirectional Voice Mode」の段階的展開が始まったと報じました。投稿では、モデルがユーザーの割り込みに対応するだけでなく、ユーザー側の発話を数えたり、間違いを訂正したりできると紹介されています。

内部名称はGPT-Bidi-1と呼ばれ、BidiはBidirectional（双方向）の略です。現行のAdvanced Voice Modeが「一方が話し終わるまで待つ」ターン制のやり取りであるのに対し、双方向モードは聞き取りと発話を同時に処理します。ユーザーが「うんうん」と相づちを打っても会話が止まらず、話の途中で方向転換しても応答を途切れさせにくい設計です。

AIウォッチャーのTestingCatalogによると（参考）、2026年6月23日時点でWeb版向けの公開準備も進んでいます。ただし、OpenAIからの公式発表はまだ出ておらず、最終的な機能名や提供時期は変更される可能性があります。

なぜ今、音声モードの刷新が必要なのか

ChatGPTのテキスト側はGPT-5.5世代まで進化している一方、音声はGPT-4oベースの旧スタックのまま残っていました。2025年6月のAdvanced Voice Mode更新で抑揚や間の取り方は改善されたものの（参考）、会話の構造そのものはターン制のままです。

現行モードでは、ユーザーがAIの説明に割り込むと応答が一度止まり、再開時に話をやり直す動きになりがちです。相手の発話が終わる前に相づちを打つと、会話が終了したと誤解してしまうケースも報告されています。双方向アーキテクチャは、この「会話が途切れる」問題を根本から変える狙いがあります。

OpenAIは音声をAIとの主な接点に据える戦略を進めており、音声ファーストのハードウェアや企業向け音声サポートツールの基盤としても位置づけられています。テキストと音声の能力差を埋めることが、今回のアップデートの背景にあります。

3つの新機能が音声会話を変える

会話の割り込みへの両方向対応

双方向モードの中核は、聞き取りと発話の同時処理です。ユーザーが話の途中で割り込んでも、AIは応答を途中で切り替えられます。XIVIX氏の投稿では、モデル側からユーザーに割り込む動きも示されており、相づちや確認のやり取りが自然な会話の流れに近づきます。

従来のAdvanced Voice Modeでは、ユーザーが割り込むとAIの音声が停止し、新しいターンとして処理し直す動きが一般的でした。双方向モードでは、音声トラックを丸ごと止めずに文の途中から方向転換できる設計です。

発話のカウント

デモでは、ユーザーが話している最中にAIが数を数える動きが確認されています。これは双方向処理の結果、ユーザーの発話をリアルタイムで解析しながら応答を生成できることを示しています。言語学習や暗記の確認、口頭での計算練習など、逐次フィードバックが必要な場面で活きる可能性があります。

誤りの訂正

ユーザーが事実と異なる内容を話した際、AIがその場で訂正する動きも紹介されています。ターン制の会話では、誤りに気づいても相手の発話が終わるまで待つ必要がありました。双方向モードなら、誤りを検知した時点で声をかけられるため、学習支援や情報確認の場面で実用性が上がります。

使い方の見通し：モード切り替えと3段階の処理速度

ChatGPTアプリ内のコード解析によると、双方向モードは既存のAdvanced Voice Modeを一括置き換えするのではなく、並存する形で提供される見込みです。ユーザーは「Bidi（Latest）」と現行モードを切り替えて使う構成が想定されています。

処理速度と推論の深さは、テキストチャットと同様に3段階から選べる設計です。

  • High：推論を重視し、複雑な質問に向く
  • Medium：速度と精度のバランス型
  • Instant：応答速度を最優先し、短いやり取り向き

音声バブルを画面中央にドラッグできるUI変更も、アプリ内で確認されており、音声会話の画面設計自体も見直される方向です。

既存のAdvanced Voice Modeとの違い

項目 Advanced Voice Mode GPT Bidirectional Voice Mode
会話方式 ターン制（順番に話す） 双方向（同時に聞き・話す）
割り込み 応答が停止し再開 途中から方向転換
基盤モデル GPT-4o GPT-Bidi-1（専用音声アーキテクチャ）
処理速度の選択 なし High / Medium / Instant
提供状況 全有料ユーザー向けに提供中 段階的展開中（未公式発表）

現行モードは2025年6月の更新で声の自然さや感情表現が改善され、言語翻訳の継続対応も加わっています。双方向モードは声質の改善ではなく、会話の構造そのものを変えるアップデートです。両方を用途に応じて使い分ける形になる見込みです。

段階的展開の現状と注意点

双方向音声モードは、一部のユーザーから順に届き始めている段階です。アプリ内のコードやUI要素は2026年6月中旬ごろから確認されており、モバイルとWebの両方で準備が進んでいます。全ユーザーへの一斉提供にはまだ至っていません。

OpenAIはGPT-Bidi-1について公式ブログやヘルプセンターの更新を出していないため、機能の最終仕様は未確定です。名称が変わる可能性もあり、早期のプロトタイプでは長時間の会話で音声品質が不安定になる報告もあります。

現行のAdvanced Voice Modeに残る既知の問題——意図しない音の生成や幻覚的な応答——が双方向モードでどこまで解消されるかも、公式情報が出るまで判断できません。新機能が届いたユーザーは、まず短い会話で挙動を確かめ、機密情報を含む場面では慎重に使うのがよいでしょう。

音声UIの実用性が一段上がる理由

双方向音声モードは、AIアシスタントの音声インタラクションを「質問と回答の往復」から「会話」へ近づける更新です。割り込み、発話カウント、誤り訂正の3機能は、それぞれ双方向処理がなければ実現しにくい動きです。

テキストチャットと音声の能力差を埋め、音声をAIとの主な接点にする——その方向性は、今回の段階的展開からも読み取れます。公式発表を待ちながら、届いたユーザーはBidi（Latest）モードの有無をアプリの音声設定で確認してみてください。