「Voice Agent」のコラム

OpenAI が 2026年5月7日に公開した3つの新音声モデル — GPT-Realtime-2（GPT-5級の推論を持つ初の音声モデル）/ GPT-Realtime-Translate（70+ 入力言語 / 13 出力言語のライブ翻訳）/ GPT-Realtime-Whisper（ストリーミング音声→テキスト）— の概要、性能改善幅、料金、使い分けを公式情報ベースで整理。前世代 1.5 からの乗り換え判断、業務ユースケースまで実務目線で解説します。

OpenAI が2026年2月26日に公開した音声モデル gpt-realtime-1.5 と、GitHub の openai/realtime-voice-component で公開されている公式の React 向け音声UIコンポーネントについて、公式情報をベースに整理します。性能改善（音声推論 +5%、文字起こし +10.23%、指示追従 +7%）、料金、コンポーネントの位置づけ（リファレンス実装）、業務活用と注意点までを実務目線で解説。