OpenAIとAnthropic、同時に音声アップデートを発表、それぞれ異なるアプローチ

OpenAIとAnthropicは木曜日の午後、相次いで音声関連の大規模アップデートを発表した。しかし、両社のアプローチは大きく異なる。

OpenAIは、ChatGPT VoiceをハンズフリーでPCやAIエージェントを操作する手段に発展させることを目指している。一方、Anthropicは、音声による対話を通じて複雑な問題を解決するための思考パートナーとしてClaudeを強化することに注力している。

これらのアップデートは、指先ではなく声がAIとの対話においてより重要な役割を果たしつつあることを示している。また、ユーザーがAIサービスに伝える情報の量と内容が劇的に変化しつつあることを示唆している。

音声によるデスクトップ制御

OpenAIのアップデートは、ChatGPT Voiceを単なる会話ツールからタスクオーケストレーターへと拡張し、ChatGPT WorkやCodexを通じて複数のアプリケーションをまたいだタスク実行を可能にする。その発表はAnthropicよりも広範囲に及び、GPT-LiveがmacOSとWindowsのデスクトップアプリに導入された。

ユーザーはキーボードショートカットや音声ボタンでChatGPT Voiceを起動し、通常通りデスクトップを使い続けられる。macOSではAppshots機能も導入され、ChatGPTがアクティブなアプリケーションを認識し、ユーザーの作業内容を理解した上でアクションを実行できる。

さらに、音声セッションの仕組みも変更され、ChatGPTは単一の会話から複数のタスクを開始でき、以前のリクエストはバックグラウンドで実行され続ける。これにより、各タスクの完了を待たずに次の指示を出せるようになる。

GPT-Liveは現在、Plus、Pro、Business、Enterprise、Educationユーザー向けにmacOSとWindowsで展開中。この機能はChatGPT WorkやCodexと使用枠を共有し、ChatGPT RemoteはiOSで既に利用可能で、Android版も近日中に提供予定。

対話による推論

Anthropicは異なる道を選んだ。音声をソフトウェア制御の手段とするのではなく、複雑な問題に関する長期的かつ反復的な対話を支援するために音声を活用する。

更新されたClaude Voice Modeでは、ユーザーはアイデアを音声で説明し、Claudeに応答前の熟考を求めた後、複数のやり取りを通じて解決策を洗練できる。Anthropicは、キーボードに頻繁に切り替えることなく、コードの議論やトラブルシューティングを容易にするために音声を活用している。

Claude Code Voiceも新機能を獲得。開発者は音声を常時オンにするか、プッシュトーク方式でプロンプト、ターミナルコマンド、コード変更を入力できる。

チャットボットを超えた音声

OpenAIとAnthropicは木曜日に音声機能を拡張したが、製品の目的は異なる。OpenAIは音声をアプリやサービス間で横断的に活用するのに対し、AnthropicはそれをClaudeおよびClaude Codeにさらに深く統合している。

両方のアップデートは、音声を単なる会話以上のものに進化させ、開発者がキーボードに手を伸ばすことなくAIと協働する新たな方法を提供している。