2026/10/17 07:04
OpenAI、文章からGPT-Liveの声を作成可能に 日本語音声も2種追加
OpenAIは10月16日、文章で声の特徴を指定し、GPT-Liveで使う音声を生成・保存する「prompt-to-voice」を全API顧客向けに提供しました。録音サンプルを用意せずに、音声エージェントの声を設計できます。同じ更新で日本語向けの自然音声「Harema」と「Shida」も加わりました。
録音せずに作り、GPT-Liveで使う
声の高さ、話す速さ、質感などを文章で説明すると、APIまたはVoice Playgroundで新しい声を作れます。作成時には声のIDが返り、そのIDをGPT-Liveのセッションに指定して再利用します。組織ごとに保存できる文章生成の声は最大100件です。
声の作成自体は無料ですが、GPT-Liveで発話させると通常のセッション料金がかかります。文章から作った声の対応先は現在GPT-Liveだけで、Text to Speech、Realtime、音声出力付きChat Completionsには使えません。ChatGPTアプリの声を自由に作れるという発表でもありません。
日本語の既成音声はHaremaとShida
同日の変更履歴には自然音声9種類の追加も記されています。日本語向けはHaremaとShidaの2種類です。開発者はこれらの既成音声を選ぶことも、自分のアプリに合わせて文章から声を作ることもできます。
OpenAIは、生成した声がほかの声と必ず異なるとは保証していません。また、他人の声の模倣や子どもの声の作成を避け、AI音声であることを聞き手に示すよう求めています。この記事では音声の実際の発音や品質は試していません。
