• 更新日 : 2026年4月28日

ChatGPTの高度な音声モードとは？使い方やカスタマイズ方法を解説

PDFダウンロード

記事をダウンロードする

ChatGPTの高度な音声モードは、話しかけるだけで双方向の会話ができ、移動中や手が離せない場面でも下書き作成や想定問答の練習を効率よく進められる機能です。

この記事では、音声入力との違いをはじめ、できること・できないこと、端末ごとの始め方、音声・字幕・別モードといった設定項目を整理します。

macOSアプリでの音声機能の提供終了など、見落としやすい注意点もあわせて押さえ、初めてでも業務に活用できる状態を目指します。

ChatGPTの高度な音声モードとは？

ChatGPTの高度な音声モードは、声だけで双方向の会話ができる機能です。こちらが話しかけると、ChatGPTが音声で答えを返し、それに対してさらに質問や修正の指示を重ねられます。キーボードを使わずにやり取りが完結するため、移動中の下書き作成や想定問答の練習など、手が離せない場面で特に役立ちます。

似た機能に「音声入力」がありますが、こちらは話した内容をテキストに変換し、画面上で編集する使い方です。高度な音声モードは「会話」が前提であり、話す・聞くの往復でそのまま作業を進められる点が異なります。

Macアプリは2026年1月時点で音声提供が終了している

高度な音声モードは、macOSアプリでは、音声機能の提供が2026年1月15日をもって終了します。Web版（chatgpt.com）、iOS／Androidアプリ、Windowsアプリでは引き続き利用できます。

macOSで高度な音声モードを使う予定がある場合は、Web版（chatgpt.com）や他の対応端末への切り替えを前提に運用を組んでおくのが安全です。なお、macOSアプリのその他の機能には影響がないと案内されています。

ChatGPTの高度な音声モードで何ができる？

高度な音声モードの強みは、「話す → 返答を聞く → その場で修正する」という流れを途切れなく回せることです。文字入力に戻る必要がなく、会話の流れの中で追加条件や言い直しを入れられるため、移動中の情報整理、商談前の想定問答、英語スピーチの練習などに向いています。音声会話の内容は、終了後に文字起こしとしてチャット履歴に残るため、後から読み返すことも可能です。

また、音声で会話しながら、必要な場面だけキーボード入力に切り替える使い方もスムーズにできます。

会話の途中で割り込んで質問できる

高度な音声モードでは、ChatGPTが返答している最中でもこちらから話し始めて、会話の方向を修正できます。いわゆる「割り込み（barge-in）」に近い動きで、「前提を追加します」「結論だけ先に教えてください」といった指示を途中で差し込み、回答の軸を素早く合わせることができます。

一方で、こちらの沈黙を発話の終わりと判断し、ChatGPTが返答を始めてしまうこともあります。考えながら話す場面では、結論→条件→具体例の順で短く区切って伝えると、意図が正しく伝わりやすくなります。途中で話がずれたと感じたら、「今の前提は破棄して、A案で整理してください」のように、やり直しの条件を声で明確に伝えると、修正がスムーズに進みます。

字幕をオンにしてリアルタイムで確認できる

音声の返答は、字幕を表示してリアルタイムで確認できます。iOS／Androidでは、高度な音声モード画面の右上にある「CC」ボタンから字幕をオンにできます。周囲が騒がしい場所や、固有名詞・数字の聞き間違いを避けたい場面で便利です。

業務では、「数値」「日付」「人名」「社名」だけ字幕で目視確認し、誤りがあればその場で言い直す使い方が現実的です。英語など第二言語の練習に使う場合も、聞こえた内容と字幕の表示を照らし合わせることで、発音や言い回しの改善点を見つけやすくなります。

会話履歴を文字起こしとして保存できる

音声会話を終えると、文字起こしが同じチャットに残るため、後から検索したり、ほかの用途に転用したりできます。たとえば、会議の前に「声で論点を洗い出す → 履歴を見て箇条書きに整える → そのままメールの下書きにつなげる」といったワークフローが可能です。保存された文字起こしから必要な箇所をコピーすれば、議事メモやToDoリストにも転用でき、移動中の発話を後工程の素材としてそのまま使えます。

ただし、文字起こしには誤認識が含まれる可能性があります。外部に送信する文書に転用する際は、固有名詞と数字を必ず目で確認してください。

ChatGPTの高度な音声モードでできないことは？

高度な音声モードは「会話を音声で進める入口」であり、チャットのすべての機能を音声だけで使えるわけではありません。できないことを先に把握しておくと、テキスト入力への切り替え判断が早くなり、手戻りを減らせます。

画像生成やファイルアップロードは非対応

高度な音声モードは、現時点で画像生成には対応していません。「ファイルをアップロードして解析する」といった一般的な用途も、高度な音声モードでは未対応です。

ただし、例外としてiOS／Androidのモバイルアプリでは、有料版を使用しているときにはスマホ内に保存した、もしくは撮影した画像をChatGPTにアップロード可能です。

実務では、写真や画面共有で状況を見せたい場合はモバイル、画像生成や本格的なファイル解析が必要な場合はテキスト入力と別機能を使う、という切り分けがよいでしょう。

データ分析やコード実行は非対応

高度な音声モードでは、データ分析などのツールを現時点で利用できません。

「CSVを読み込んで集計する」「表をグラフ化する」「コードを実行して検証する」といった作業は、音声だけでは完結しない可能性があります。音声で要件を固めた後、同じ会話内でテキスト入力に切り替えてデータ分析機能を使う運用が現実的です。

また、GPTsのカスタムアクションも高度な音声モードでは利用できません。外部サービスとの連携を前提としている場合は、音声は要件整理に使い、実行はテキスト入力で行う設計にしておくのが無難です。

一部の言語や地域では利用が制限される

高度な音声モードは、国・地域や提供状況によって利用できない場合があります。また、機能は段階的に展開されることがあり、同じアカウントでも端末によって表示状況が異なる場合があります。

高度な音声モードが見当たらないときは、「国・地域が対応しているか」「アプリやブラウザが最新版か」「マイク権限が許可されているか」の3点を確認してください。あわせて、テキスト入力を代替手段として用意しておくと、業務が止まりにくくなります。

高度な音声モードはどうすれば始められる？

高度な音声モードは、モバイルでは画面右下の音声アイコン、Webでは入力欄の右側にある音声アイコンから開始できます。最初につまずきやすいのは「マイク権限の許可」と「表示される画面が統合体験か別モードか」の2点です。

音声会話は、メインのチャット画面内にそのまま表示される場合と、青いオーブ画面の「別モード（Separate mode）」で表示される場合があります。展開状況によっては一時的に別モードのみが利用可能なこともあるため、設定の「音声」→「別モード」で切り替えられることを覚えておくと安心です。

モバイルアプリでは音声アイコンをタップして開始

iOS／Androidでは、画面右下の音声アイコンをタップすると音声会話が始まります。初回はボイス（声の種類）の選択画面が表示されることがあります。会話中は、左下のマイクアイコンでミュートの切り替え、右下の終了アイコンで会話の終了ができます。

なお、アプリにマイク権限を付与していないと高度な音声モードを開始できません。権限の確認ダイアログが表示されたら許可してください。

Webブラウザではマイク権限を許可して開始

Web版（chatgpt.com）では、プロンプト入力欄の右側にある音声アイコンから開始します。ブラウザで初めて使う場合は、マイクへのアクセス許可を求められるので、許可してください。会話中のミュートや終了は、画面上のマイクアイコンや終了アイコンから操作できます。

デスクトップアプリでは設定からマイクを有効化

デスクトップアプリでは、まずOS側とアプリ側の両方でマイク設定を有効にし、音声アイコンが表示される状態にしておく必要があります。

アプリで高度な音声モードが開始できない場合は、以下を確認すると原因を特定しやすくなります。

端末によって権限の設定場所が異なるため注意してください。また、音声機能はプラットフォームごとに更新されることがあるため、最新版にアップデートしてから試すのも有効です。

音声や設定はどうカスタマイズする？

高度な音声モードでは、声の種類（ボイス）、表示モード、字幕表示を中心にカスタマイズできます。業務で使う場合は、「聞き取りやすさ」「周囲の環境」「後から見返すかどうか」を基準に設定を決めておくと、移動中の下書きや練習が安定します。

音声の変更は設定画面から行えるほか、高度な音声モード画面の右上にあるカスタマイズメニューからも切り替えられます。初回の音声開始時にはボイスの選択画面が表示されますが、選択画面での音量と実際の会話中の音量が異なる場合がある点に留意してください。また、会話中は画面左下のマイクアイコンでミュート／ミュート解除が可能です。

音声は複数の選択肢から好みを選べる

ボイスは複数の候補から選ぶことができ、会話中でも変更できます。使い分けの目安は、「聞き取りやすい声を固定する」か「用途に応じて切り替える」かの2通りです。たとえば、商談前の想定問答では落ち着いた声にそろえると集中しやすく、スピーチ練習ではテンポがはっきり聞こえる声を選ぶと修正点を見つけやすくなります。

なお、ボイスは会話単位で設定されるため、高度な音声モード内で切り替えると新しいチャットの開始を求められる場合があります。会話の文脈を維持したいときは、ボイスを変える前に要点を短く復唱し、「同じ条件で続けてください」と指示してから切り替えると混乱を減らせます。

「別モード」で従来の別画面表示に戻せる

音声会話の表示には、チャット画面内にそのまま表示される統合表示と、青いオーブ画面で表示される「別モード」の2種類があります。iOS／Androidの多くでは統合表示が既定ですが、機能の展開状況によっては一時的に別モードのみが利用可能な場合もあります。

切り替えは「設定」→「音声」→「別モード」から行えます。打ち合わせの前に表示を統一しておくと、開始や終了の操作で迷いにくくなります。

字幕のオンオフは設定画面で切り替える

字幕の設定はWeb版やPC版では設定画面から切り替えられるので、初回利用の前に一度確認しておくと安心です。

数字、日付、固有名詞は聞き間違いが起きやすいため、字幕をオンにして目視確認し、誤りがあればその場で言い直す運用が効果的です。一方、字幕を常時オンにすると情報量が増えて気が散ることもあるため、静かな場所ではオフ、移動中や雑音が多い環境ではオンといった使い分けが現実的です。

なお、iOS／Androidでは、高度な音声モード画面の右上にある「CC」ボタンから字幕を切り替えられます。

ChatGPTの高度な音声モードを活用すれば業務を効率化できる

ChatGPTの高度な音声モードは、会話の途中での追加質問、字幕によるリアルタイム確認、会話履歴の文字起こしといった機能を組み合わせることで、準備や下書きにかかる時間を短縮したいビジネスパーソンに適しています。

一方で、画像生成やデータ分析など音声だけでは完結しない作業や、言語や地域によって利用が制限される場面もあります。端末ごとの開始手順と音声設定をあらかじめ整えた上で、必要に応じてテキスト入力に切り替えながら運用してください。

PDFダウンロード

記事をダウンロードする

• 監修：マネーフォワード クラウド

  マネーフォワード クラウドが監修する「AIの基礎知識」です。ビジネスや生活に役立つAIの基本と最新情報を分かりやすく解説。AIを身につけ、新しい一歩を踏み出すのを応援します。