ChatGPTの音声会話Voiceとは？使い方・料金と注意点を解説

「GPT-4oを選べば音声会話ができるのか」「スマートフォンとパソコンでは始め方が違うのか」「無料版でも使えるのか」と迷っていないでしょうか。

結論から申し上げると、2026年9月9日時点では、GPT-4oをモデル一覧から選んで音声会話を始める旧手順は使いません。現在はChatGPTの会話画面にある音声アイコンから「ChatGPT Voice」を起動し、利用できる場合はLive、Advanced、Standardを目的に応じて使い分けます。

iOS・Androidアプリではメッセージ欄の音声アイコン、Web版では入力欄の音声アイコンを選び、初回のみマイクへのアクセスを許可すれば始められます。Chromeの非公式拡張機能を追加する必要はありません。

一方、音声会話は人間の発言を一字一句そのまま保存する録音機能ではなく、文字起こしにも誤差があります。会議記録、契約、医療、法律、金額、日付など重要な情報は、必ず原音や一次資料と照合してください。

この記事では、現在のChatGPT Voiceの種類、スマートフォンとWebでの始め方、無料版と有料版の利用枠、仕事での活用例、設定方法、よくある失敗、情報管理上の注意点まで、初心者にもわかりやすく解説します。

ChatGPTを無料で試すだけで終わらせず、仕事・発信・商品づくりへつなげたい方へ
→ 生成AIマスタースクール（GMS）の無料ウェビナーで実践手順を確認する

ChatGPTの音声会話はGPT-4oを選ぶ機能ではない

2024年にGPT-4oが発表された当時は、GPT-4oのリアルタイムな音声処理能力が大きく注目されました。そのため、古い解説記事では「GPT-4oの音声会話」「GPT-4oのAdvanced Voice Mode」という呼び方が多く使われています。

しかし、現在のChatGPTでは、一般ユーザーが音声会話を始める際にGPT-4oを探す必要はありません。公式ヘルプでは、製品機能として「ChatGPT Voice」と案内されており、最新のLiveは有料プランではGPT-Live-1、無料プランではGPT-Live-1 miniによって動作します。

つまり、現在の検索意図に対する答えは「GPT-4oを選ぶ方法」ではなく、「自分の画面で利用できるVoiceを起動し、目的に合う音声方式を選ぶ方法」です。モデル名は今後も更新される可能性があるため、画面上の音声アイコンと設定画面を基準に判断するほうが、長く使える知識になります。

なお、ChatGPTの通常の音声会話と、開発者が自社サービスへ音声AIを組み込むOpenAI APIは別の仕組みです。APIで音声エージェントを構築する場合はRealtime APIなどを使います。旧APIモデルのgpt-4o-realtime-previewは2026年5月7日に提供を終了しているため、古いモデル名を指定したコードをそのまま流用することはできません。

ChatGPT VoiceのLive・Advanced・Standardの違い

現在のVoice設定には、アカウントによってLive、Advanced、Standardが表示されます。すべてのユーザーに同じ選択肢が同時に表示されるとは限りません。プラン、地域、アプリのバージョン、ワークスペース設定、段階的な提供状況によって変わります。

音声方式	主な特徴	向いている用途	注意点
Live	話を聞きながら発話でき、割り込みや自然な受け答えに対応	アイデア整理、英会話、相談、対話しながらの作業	段階提供中で、利用枠や対応機能がプランにより異なる
Advanced	従来のリアルタイム音声体験	対応するモバイル環境での映像共有や画面共有	Liveとは利用できる周辺機能が異なる
Standard	話した内容をいったん文字に変換してから回答を生成	区切って話す質問、文字中心の確認	Liveほど自然な同時対話ではない

Liveは自然な会話を重視する

Liveでは、ChatGPTが話している途中でもユーザーが割り込み、追加の条件を伝えられます。たとえば、回答が長いと感じたら「要点を3つだけにしてください」、難しいと感じたら「専門用語を使わずに説明してください」と、その場で方向を変えられます。

また、利用可能なアカウントでは、Web検索やメモリ、テキスト、画像、対応ウィジェットと同じ会話内で連携できます。ただし、Liveの提供開始時点では動画、画面共有、接続アプリ、プラグインに未対応と公式に案内されています。映像や画面を見せたい場合は、対応するiOS・AndroidアプリでAdvancedを選ぶ必要があります。

音声入力と音声会話は別の機能

マイクへ話した内容を文章にして、送信前に編集したいだけなら「音声入力（Dictation）」が適しています。VoiceはChatGPTと音声で往復する機能、音声入力は一つの録音を編集可能なプロンプトへ変える機能です。

長いメールの下書きや固有名詞を含む依頼では、音声入力で文字を確認してから送信すると誤認識を減らせます。思考を止めずに相談したい場合はVoice、正確な文章を送信したい場合は音声入力と覚えておくと迷いません。

ChatGPT Voiceは無料で使える？料金と利用上限

ChatGPT Voiceは無料版でも利用できます。ただし、無料版のLiveはGPT-Live-1 miniによる限定利用であり、上限は変動します。有料プランでは、より長い利用時間や上位の音声体験が用意されています。

2026年9月9日時点の公式ヘルプでは、Liveの利用量は過去24時間のローリング方式で計測されます。午前0時に全員一斉でリセットされるとは限りません。また、上限は変更される可能性があるため、実際の残量や制限通知は自分のChatGPT画面を最優先してください。

プラン	公式案内上のLive利用枠	初心者向けの見方
Free	GPT-Live-1 miniを24時間のローリング期間ごとに限定利用	短い相談や操作確認から試す
Go／Plus	Instantで最大1時間、Medium／Highで最大1時間、Live miniで最大2時間	日常利用や個人業務に使いやすい
Pro 100ドル	Instantで最大12時間、Medium／Highで最大12時間、Live miniで最大24時間	長時間の対話を頻繁に行う人向け
Pro 200ドル	GPT-Live-1を無制限	規約上の適正利用や各種保護措置は適用される
Business	Instantで最大1時間、Medium／Highで最大1時間。追加分は1分当たり5クレジット	組織の契約と管理設定を確認する
Enterprise／Edu／Healthcareの柔軟料金	Liveは1分当たり5クレジット	管理者の許可と社内ルールが必要
旧Enterprise／Edu	Live最大1時間、Live mini最大2時間	契約形態によって枠が異なる

Liveの1回の会話は最長2時間です。上限へ達した場合は、テキスト会話へ切り替えるか、利用枠が回復してから新しい音声会話を始めます。音声会話のためだけに有料化するか迷う場合は、まず無料版で認識精度、会話のテンポ、実際の使用時間を測り、その後に判断するのが合理的です。

スマートフォンでChatGPTと音声会話する手順

iPhoneとAndroidの基本手順は共通です。非公式アプリを避け、App StoreまたはGoogle Playで提供元がOpenAIであることを確認して、公式ChatGPTアプリを利用してください。

1. ChatGPTアプリを最新版へ更新し、利用するアカウントでログインします。
2. 新しいチャット、または音声で続けたい既存のチャットを開きます。
3. メッセージ欄に表示される音声アイコンを選びます。
4. 初回に確認が出たら、ChatGPTアプリのマイク利用を許可します。
5. 初回の音声会話では、好みの声を選びます。
6. 音声画面が開いたら、そのまま日本語で話しかけます。
7. 一時的に音を入れたくないときはマイクをミュートし、終了するときは退出ボタンを選びます。

以前の画面で使われていたヘッドフォン型のアイコンが、現在も全員の画面に同じ形で表示されるとは限りません。アイコンの形や位置はアプリ更新で変わるため、「古い画像と同じボタンがない」ことだけで利用不能とは判断しないでください。

日本語の認識を安定させる設定

ChatGPTの「設定」から「Voice」を開き、「Language」で普段話す言語を日本語にすると、認識が安定しやすくなります。回答だけ別の言語にしたい場合は、会話中に「私の発言は日本語で理解し、回答は英語で返してください」と指示できます。

声の種類も「設定」→「Voice」→「Voice」から変更できます。現在はArbor、Breeze、Cove、Ember、Juniper、Maple、Sol、Spruce、Valeなどが案内されています。会話中に声を変更すると、同じチャット内で新しい音声通話が始まる点に注意してください。

バックグラウンドで会話を続ける方法

対応するモバイルアプリでは、「設定」→「Voice」からBackground conversationsを有効にすると、別のアプリを開いている間や画面をロックした状態でも会話を継続できます。

ただし、ユーザーが終了した場合、アプリを強制終了した場合、利用上限または最長セッション時間に達した場合は終了します。公共の場所では、機密情報が周囲へ聞こえないようイヤホンを使い、画面を閉じた後も会話が続いていないか確認しましょう。

Web版でChatGPTと音声会話する手順

Web版では、公式サイトのChatGPT.comへアクセスして利用します。現在は、音声入力用のChrome拡張機能を別途インストールする必要はありません。むしろ、出所が不明な拡張機能へ会話や画面の権限を与えると、情報漏えいの原因になり得ます。

1. 対応ブラウザでChatGPT.comを開き、ログインします。
2. 新規または既存のチャットを開きます。
3. 入力欄の音声アイコンを選びます。
4. ブラウザから確認されたら、ChatGPT.comに対してマイク利用を許可します。
5. 音声画面が開いたら話しかけ、終了時は退出ボタンを選びます。

マイクを許可しなかった場合は、ブラウザのアドレスバー付近にあるサイト設定からマイク権限を見直します。会社の端末では管理者がマイク、WebRTC、ChatGPT自体を制限していることがあるため、個人判断で制限を回避せず、情報システム担当者へ確認してください。

Liveでできることと、できないこと

音声会話の価値は、文字入力が速くなることだけではありません。考えがまとまっていない段階から対話し、質問を受けながら論点を整理できる点にあります。文章を書く前の壁打ち、営業前の想定問答、学習内容の復習など、往復が多い作業ほど効果を感じやすくなります。

Liveで利用しやすい主な機能

• 話して質問し、音声と画面上のテキストで回答を確認する
• ChatGPTの回答中に割り込み、条件や方向性を修正する
• 同じチャットで音声、文字、対応する画像を組み合わせる
• 利用可能なアカウントでWeb検索やメモリを使う
• 話す速さ、口調、説明の難易度を会話中に指定する
• 終了後にチャット履歴から文字起こしを確認する

過信してはいけない点

• Voiceの文字起こしは逐語録ではなく、実際の発話と一致しない場合がある
• 複数人が同時に話す会議向けに最適化された話者分離ツールではない
• 日付、場所、最新情報、専門情報について誤った回答をする可能性がある
• カレンダーや社内システムを常に自動操作できるわけではない
• Liveでは動画、画面共有、接続アプリ、プラグインが使えない場合がある
• 緊急通報、医療診断、法的判断、安全確認を代替するものではない

古い記事には「会議を録音すれば自動で話者を識別し、正確な議事録を作れる」と読める説明があります。しかし、現在の公式案内でも、Voiceの文字起こしは実際の会話と完全には一致しないと明記されています。会議で使う場合は、参加者の同意を得たうえで補助的なメモとして扱い、重要な決定事項は人が確認してください。

ChatGPT音声会話を仕事で活用する方法

企画の壁打ち

新商品の企画、ブログのテーマ、セミナーの構成などは、完成した指示文を作る前に声で考えを話すと整理しやすくなります。「質問を一つずつして」「まだ提案せず、先に条件を聞いて」と指示すると、ChatGPTが先走るのを防げます。

営業や商談の練習

ChatGPTに見込み客役を依頼し、価格、納期、他社比較などの反論を出してもらいます。練習後は、良かった点、曖昧だった点、次回の改善案を3項目ずつ文字でまとめてもらうと、感覚的な練習で終わりません。

文章作成前の素材出し

自社の強み、顧客の悩み、過去の事例を音声で説明し、ChatGPTに論点を分類させます。ただし、顧客名、未公開売上、個人情報、契約内容をそのまま話してはいけません。必要に応じて「顧客A」「商品B」のように匿名化してください。

外国語会話の練習

英会話では、場面、相手役、難易度、訂正のタイミングを最初に決めます。たとえば「ホテルの受付役になり、中学英語の範囲で一問ずつ話してください。私が答えた後、意味が通じない箇所だけ日本語で直してください」と指定します。

ただし、ChatGPTは専用の発音採点システムではありません。音声認識に成功したことと、発音が人間に自然に伝わることは同じではないため、重要な面接や商談の前には人間の講師やネイティブ話者にも確認してもらいましょう。

生成AIを単発の作業で終わらせず、集客・商品・発信の仕組みへつなげたい方へ
→ 生成AIマスタースクール（GMS）の無料ウェビナーで全体設計を確認する

ChatGPT音声会話で使える実践プロンプト3選

音声会話では、長い命令を一度に暗記する必要はありません。最初に役割と進め方を伝え、途中で条件を追加します。以下の文章は、そのまま読み上げても、文字で貼り付けてからVoiceを始めても使えます。

プロンプト1：企画を質問形式で整理する

あなたは中小企業の商品企画を支援する編集者です。
私が新サービスの案を口頭で説明します。
最初から結論を作らず、次の順番で一つずつ質問してください。
1. 想定顧客
2. 顧客の具体的な悩み
3. 提供する変化
4. 既存サービスとの違い
5. 価格と提供方法
私の回答が曖昧な場合は、具体例を一つ示して聞き直してください。
最後に、確定事項、未確定事項、次に調べることの3区分で要約してください。

このプロンプトの要点は、一度に大量の質問をさせないことです。「一つずつ」と指定すると、音声でも答えやすくなります。最後に文字の要約を残せば、次の企画書作成へつなげられます。

プロンプト2：営業面談をロールプレイする

あなたは従業員30人の会社の経営者で、私のサービスを初めて検討しています。
私は営業担当者として説明します。
あなたは一度に一つだけ質問し、価格、導入負担、効果の根拠について厳しめに確認してください。
10分間の想定で会話を進め、私が「評価してください」と言うまでは助言しないでください。
評価では、良かった説明、根拠が弱い説明、次回使える言い換えを各3点示してください。
事実として確認できない内容は推測で補わず、「確認が必要」と明記してください。

ロールプレイでは、相手の立場と質問の厳しさを指定します。実在する顧客の情報を入力せず、架空の条件へ置き換えることも重要です。

プロンプト3：英会話を反復練習する

あなたは初心者向けの英会話練習相手です。
場面は海外ホテルのチェックインです。
英語は中学校で習う範囲を中心にし、短い文で一問ずつ話してください。
私の発言が通じる場合は会話を続け、意味が通じにくい場合だけ日本語で短く訂正してください。
私が「復習」と言ったら、今回使った重要表現を5つ、英語、日本語、別の例文の順で画面に表示してください。
発音を断定評価せず、音声認識結果と自然な言い換えを分けて説明してください。

「毎回訂正」では会話が止まりやすいため、通じにくい場合だけ直すよう指定しています。発音の評価と、音声認識された文章の評価を混同させない点も大切です。

ChatGPT音声会話でよくある失敗10選

1. GPT-4oをモデル一覧で探し続ける：現在はVoiceを製品機能として起動します。音声アイコンと「設定」→「Voice」を確認してください。
2. マイクアイコンとVoiceアイコンを混同する：送信前に文章を編集したいなら音声入力、音声で往復したいならVoiceを選びます。
3. 非公式のブラウザ拡張機能を入れる：Web版は標準の音声アイコンから開始できます。不要な拡張機能へマイクや閲覧権限を与えないでください。
4. 一度に長い指示を話す：目的、前提、出力形式を短く分け、理解した内容を途中で要約させます。
5. 複数人で同時に話す：Liveは主に一対一の会話向けです。複数話者や周囲の会話を誤認識する可能性があります。
6. 文字起こしを正式な議事録にする：Voiceの記録は逐語録ではありません。固有名詞、数値、決定事項を人が照合します。
7. 「今日」「明日」だけで予定を確認する：端末やブラウザのタイムゾーンが影響します。重要な依頼では年月日、時刻、地域を明示します。
8. 機密情報をそのまま話す：顧客情報、パスワード、健康情報、未公開資料は入力せず、匿名化と社内規程を徹底します。
9. 上限時間を固定値だと思う：利用枠はプランごとに異なり、変更されることがあります。画面に表示される通知を優先します。
10. 音声回答だけで作業を終える：最後に決定事項、保留事項、次の行動を文字でまとめさせ、事実確認してから実行します。

音声会話ができないときの確認項目

音声アイコンが表示されない

最初に、ChatGPTアプリとブラウザを最新版へ更新し、ログインしているアカウントと契約プランを確認します。Liveは段階的に提供されるため、同じプランでも地域、ワークスペース、アプリ版によって表示時期が異なる場合があります。

組織アカウントでは、Business、Enterprise、Edu、Healthcareの管理者がVoiceを無効にしている可能性があります。個人用ワークスペースと会社用ワークスペースを切り替えている場合は、いま選択している環境も確認してください。

こちらの声を認識しない

• 端末設定でChatGPTまたはブラウザのマイク権限を許可する
• Bluetoothイヤホンなど、意図した入力機器が選ばれているか確認する
• 別の会議アプリがマイクを占有していないか確認する
• 騒音の少ない場所へ移動し、マイクへ近づきすぎずに話す
• VoiceのLanguageを日本語へ設定する
• 固有名詞や英数字は区切って話し、文字でも補足する

iPhoneでは、音声会話中にコントロールセンターからマイクモードを開き、声を分離する設定が役立つ場合があります。ChatGPTが発言途中で割り込むときは、最初に「私が『回答してください』と言うまで待ってください」と伝える方法もあります。

回答が途中で止まる

通信状態、バックグラウンド動作、利用上限、1回の最長時間、会話の文脈上限などが原因として考えられます。重要な会話は節目ごとに要約させ、長時間の作業では新しいチャットへ引き継ぐ要約を作っておくと安全です。

音声データ・文字起こし・プライバシーの注意点

LiveとAdvancedの音声クリップ、Advancedの動画クリップは、チャット履歴に表示される文字起こしとともに保存され、公式ヘルプでは30日間保持されると案内されています。チャットを削除すると、関連する音声・動画クリップも原則30日以内に削除されます。ただし、安全、セキュリティ、法的な理由、または学習への提供設定などによる例外があります。

アーカイブは削除ではありません。サイドバーから見えにくくなるだけで、チャットと関連クリップを消す操作ではないため、不要な音声データを削除したい場合はチャット自体を削除します。削除した会話は元に戻せません。

Standardでは、音声を文字へ変換した後、モデル改善への音声共有を選んでいない限り、文字起こし完了後に音声が削除されます。文字起こしに失敗した場合も同様に削除されると案内されています。

音声・動画クリップは、ユーザーがモデル改善のための共有を選ばない限り、学習に使われません。一方、「Improve the model for everyone」が有効な場合は、プランや設定に応じて文字起こしや会話内のファイルが学習に使われる可能性があります。個人用アカウントでは、利用前に「設定」→「Data Controls」を確認してください。

Business、Enterprise、Eduの会話では、ユーザーが音声・動画クリップを学習用に共有できない仕組みが案内されています。ただし、それだけで自社の情報管理要件を満たすとは限りません。入力禁止情報、保存期間、利用可能な端末、承認手続き、削除方法を社内規程として定める必要があります。

筆者の実務視点

実務で音声会話を導入するときは、「便利そうだから自由に使う」のではなく、「どの工程の何分を減らし、何を成果物として残すか」を先に決めることが重要です。おすすめは、まず一人の担当者が一つの定型業務で試す方法です。

たとえばブログ企画なら、Voiceで15分間壁打ちし、最後に見出し案、想定読者、読者の悩み、確認が必要な事実を文字で出力します。その後、人が一次情報を調べ、本文を編集します。音声会話を成果物の完成工程ではなく、考えを引き出す入口として使うと、誤情報を公開する危険を抑えながら速度を上げられます。

評価指標も「会話が自然だった」だけでは不十分です。作業時間、修正回数、確認漏れ、最終成果物の品質を導入前後で比べてください。音声で10分短縮できても、誤認識の修正に20分かかる業務なら、音声入力より文字入力のほうが適しています。

また、音声は周囲へ情報が漏れやすい入力方法です。顧客名や売上を口にしないことに加え、ChatGPTの回答が第三者に聞こえない環境を用意します。自宅、共有オフィス、移動中ではリスクが異なるため、利用場所までルールへ含めると運用が安定します。

最終的には、Voiceだけで業務を完結させるのではなく、「音声で発散する→文字で構造化する→一次情報で確認する→人が承認する」という流れを作ることが重要です。この順序なら、音声の速さと文字の確認しやすさを両立できます。

ChatGPTの音声会話に関するよくある質問

Q1．GPT-4oを選ばないと音声会話はできませんか？

いいえ。現在はGPT-4oを選ぶ旧手順ではなく、ChatGPTの音声アイコンからVoiceを開始します。利用できる音声方式や基盤モデルは、プランや提供状況に応じてChatGPT側で案内されます。

Q2．無料版でもChatGPT Voiceを使えますか？

はい。無料版ではGPT-Live-1 miniによる限定的なLive利用が案内されています。上限は変更される可能性があるため、アカウント画面の通知を確認してください。

Q3．スマートフォンではどこを押せば始まりますか？

iOS・Androidの公式ChatGPTアプリでチャットを開き、メッセージ欄の音声アイコンを選びます。初回はマイク利用を許可し、好みの声を選んでから話し始めます。

Q4．パソコンではChrome拡張機能が必要ですか？

必要ありません。ChatGPT.comの入力欄にある音声アイコンから開始し、ブラウザにマイク利用を許可します。非公式拡張機能は、権限と提供元を十分に確認できない限り追加しないほうが安全です。

Q5．音声会話を正確な議事録として使えますか？

Voiceの文字起こしは実際の会話と完全に一致しない場合があります。また、Liveは複数話者の会議向けに最適化された専用議事録ツールではありません。補助メモとして使い、数値、固有名詞、決定事項を人が確認してください。

Q6．ChatGPTが話している途中で質問できますか？

Liveでは可能です。ChatGPTの発話中に割り込み、条件を追加したり方向を変えたりできます。ただし、周囲の騒音、発話の重なり、通信状態によって正しく聞き取れない場合があります。

Q7．日本語以外でも会話できますか？

はい。Voice設定で普段使う言語を選べるほか、会話中に別の言語で話すよう依頼できます。重要な翻訳は誤解がないか人が確認し、医療・法律・契約などでは専門の通訳を利用してください。

Q8．ChatGPTの音声APIを自社サービスへ組み込めますか？

はい。ただし、ChatGPTのVoice画面を組み込むのではなく、開発者向けのRealtime APIなどを利用します。旧gpt-4o-realtime-previewはすでに終了しているため、公式の現行モデルと移行案内を確認してください。Realtime APIの1セッションは最長60分であり、ChatGPT Liveの1回最長2時間とは別の制限です。

まとめ｜GPT-4oを探さずChatGPT Voiceを起動しよう

2026年9月9日時点では、ChatGPTで音声会話を始めるためにGPT-4oをモデル一覧から選ぶ必要はありません。スマートフォンアプリまたはWeb版のチャット画面で音声アイコンを選び、利用できるLive、Advanced、Standardを目的に合わせて使います。

自然な往復や割り込みを重視するならLive、対応するモバイル環境で動画や画面共有が必要ならAdvanced、送信前提の区切られた音声処理ならStandardや音声入力が候補です。無料版でも利用できますが、プランごとに上限があり、提供状況や仕様は変更されます。

仕事で使うときは、最初に目的、役割、進め方を短く伝え、最後に決定事項と次の行動を文字で残してください。文字起こしは逐語録ではなく、回答にも誤りがあり得ます。重要情報の確認、人による承認、機密情報の匿名化までを一つの手順にすることが、安全で再現性のある活用につながります。

参考にしたOpenAI公式情報

• ChatGPT Voice｜OpenAI Help Center
• ChatGPT Voice｜ChatGPT Learn
• Realtime conversations｜OpenAI API
• Deprecations｜OpenAI API

生成AIの変化に振り回されず、長く使える実践力を身につけたい方へ
→ 生成AIマスタースクール（GMS）の無料ウェビナーで次の一歩を確認する