記事

ChatGPT Voiceがデスクトップアプリに登場——音声だけでエージェントを指揮、PRの作成からバグ調査まで

OpenAIがChatGPTデスクトップアプリに音声機能ChatGPT Voiceを追加したとTechCrunchが報道。新しい音声モデル群を基盤に、ChatGPT WorkやCodexのエージェントを声で操作し、複数ステップの作業を指示できます。

OpenAIがChatGPTのデスクトップアプリを更新し、音声機能「ChatGPT Voice」を追加したと、TechCrunchが2026年7月24日に報じました。声で話しかけるだけでAIエージェントを操作し、PCの上でのタスクを実行させられるようになります。キーボードとチャット欄が前提だったAIエージェントの操作に、「話しかける」という新しい入り口が加わった形です。

声でエージェントを動かすデスクトップ機能

今回の更新でChatGPTデスクトップアプリに加わったのは、音声によるエージェント操作です。ユーザーはアプリに話しかけることで、AIエージェントをコントロールし、コンピュータ上の作業を任せられます。

基盤となっているのは、OpenAIが今月はじめに発表した新しい音声モデルファミリーです。発話と聞き取り、そしてアプリ内での作業の調整を同時にこなせるのが特徴とされ、単なる音声入力ではなく、エージェントの司令塔として声を使う設計になっています。

画像引用元: TechCrunch（Samuel Boivin/NurPhoto via Getty Images）

ChatGPT WorkとCodexに対応、画面の中身も参照

TechCrunchによると、ChatGPT VoiceはChatGPT WorkとCodexの両方で機能します。コンピュータ操作のスキルを使ってWebサイトやアプリを調べることもでき、macOSでは画面キャプチャ連携により、画面に表示されている内容（altテキストを含む）をアプリに参照させることも可能とのことです。

スマートフォン版の音声機能は、会話の滑らかさや割り込み処理の改善が中心で、端末上でアクションを起こす作りにはなっていませんでした。今回のデスクトップ版は一歩進んで、複数ステップにわたる複雑な指示を口頭で伝え、ChatGPT側が確認を求めてきたときには声で応答する、という双方向のやり取りができます。

デモでは「一言でPR作成からバグ調査まで」

OpenAIが公開したデモ動画では、開発者がひとつの音声コマンドで、新しいスレッドの作成、プルリクエストの作成、バグの根本原因の調査までを指示する様子が示されています。

音声での指示は、タイピングよりも粒度の粗い「やってほしいこと」を伝えるのに向いています。エージェントが十分に賢くなり、曖昧な指示を補完できるようになったからこそ、音声という入力手段が実用になってきたともいえます。なお、iOSアプリからはリモートアクセス経由でCodexのVoice操作を使えるとのことです。展開はグローバルに順次進められています。

AnthropicのClaudeも音声対応を強化

音声とエージェントの組み合わせは、OpenAIだけの動きではありません。TechCrunchは、AnthropicもClaudeの音声モードを更新したことに触れています。ClaudeのボイスモードはOpus、Sonnet、Haikuの各モデルを使い分けながら、GmailやGoogleカレンダー、Slack、Notion、Canvaといったアプリでのタスクを実行できるとされています。

主要AI企業が揃って「声で動かすエージェント」に投資していることは、次のユーザーインターフェース競争の主戦場がここにあることを示しています。