OpenAIは、ChatGPTの音声モードを大幅に刷新し、新たな音声モデル「GPT-Live-1」を導入しました。このアップデートは、まるで人間同士のような自然な会話をシームレスに実現することを目的として設計されており、これまでのユーザーにとって最大のストレスの一つであった「文章の途中で一時的に口を挟んだだけで、AIに話を遮られてしまう」という問題（不必要な割り込み）を最小限に抑えるよう改良されています。ユーザーが文脈の途中で少し沈黙したり、言葉に詰まったりしても、話し終えるのを辛抱強く待ってくれるようになりました。
OpenAIのリサーチリードであるクンダン・クマール氏によると、この「GPT-Live-1」は同社史上最もインテリジェントな音声モデルです。このシステムは、高度な推論能力やウェブ検索が必要となる複雑な質問を検知すると、自動的に「GPT-5.5」などの最先端テキストモデルへとルーティング（割り振り）を行う仕組みを備えています。これにより、AIが裏側でトピックについて瞬時にリサーチを行い、その結果をそのまま音声でスムーズにユーザーへとプレゼンテーションする、といった一連の流れがよどみなく行われます。さらに、天気や株価、スポーツの試合結果といった視覚情報が好ましいトピックについては、言葉による説明だけでなく、AIが生成した予測チャートやスコアボードなどのビジュアル（グラフィック）を画面上に補足表示することも可能になりました。
従来のChatGPT音声機能は、お互いが交互に話す「ターンベース（一方向的）なアーキテクチャ」に依存していたため、会話の自然な流れを維持するのが難しく、時には不正確な情報を生成することもありました。しかし、今回の新しいフレームワークでは、人間と同じように「同時に聞き、同時に話す」ことができる「フルデュプレックス（全二重通信）モデル」が導入されています。プロダクトリードのアティ・エレティ氏の説明によれば、このシステムは入力される音声ストリームをリアルタイムで継続的に処理しながら、同時に出力ストリームを生成し続けているとのことです。
この技術革新により、数々の画期的な新機能が実現しました。最も注目すべきは「リアルタイム翻訳」です。ユーザーが話し終えるのを待つことなく、話し声に合わせてリアルタイムかつ連続的に翻訳を進行できます。また、これまでは不可能だった「明確に呼びかけるまで静かに待機させる」という指示も通るようになりました。さらに、会話中には「ふむふむ（mhmm）」「そうだね（yeah）」「わかりました（got it）」といった相槌（フィラー）を打ち、ユーザーの話をアクティブに傾聴している姿勢を示すようになっています。
なお、安全面への配慮として、システムには厳格なガードレールが組み込まれており、有害なコンテンツの生成を回避するほか、リスクの高いやり取りが検知された場合にはセッションを強制終了するプロトコルも備わっています。