OpenAI、GPT-LiveからDecisionsを直接呼ぶ機能を追加 発話中の判断に対応
OpenAIは10月15日、音声モデルGPT-LiveからDecisions APIを直接呼び出せる機能を追加しました。利用者が話している途中の文字起こしから選択肢を判定したり、音声AIが操作の依頼を認識した時点で判断を始めたりできます。会話を待たせずにアプリを動かす設計へ、一歩進んだ更新です。
音声モデルから判断へ、アプリの往復を一つ減らす
従来の委任方式では、GPT-Liveがアプリに通知し、アプリがDecisionsを呼んでいました。新しいネイティブ委任ではGPT-LiveがDecisionsを直接呼びます。OpenAIのガイドは、アプリを経由する往復が一つ減ると説明していますが、応答時間が何ミリ秒短くなるかという実測値は示していません。
公式の車内操作の例では、運転者の「もっと暖かくして」という発話から、Decisionsが室温を上げる選択肢を返します。アプリが設定を変更して表示状態を確かめ、その結果をGPT-Liveへ返す流れです。判断結果だけで車やサービスが自動操作されるわけではありません。
話している途中の反応も選べる
もう一つは文字起こしの途中経過を使う仕組みです。入力中の発話だけでなく、GPT-Liveが話している言葉の途中経過にもトリガーを設定できます。OpenAIは、利用者の言葉に合わせてデジタルキャラクターが表情や身ぶりを変える例を示しました。これはAPIの使い方を説明する例で、特定製品の動作検証ではありません。
この機能はGPT-Live-1のセッションでGPT-6 LunaのDecisionsを使う構成として記載されています。利用にはDecisionsへの書き込み権限が必要です。判断の受信後に何を実行し、権限や確認をどう扱い、実際に成功したかをどう知らせるかはアプリ側が実装します。文字起こしの結果は順序が前後することもあり、古い判断をそのまま適用しない設計も必要です。
