ChatGPTの音声モードを初めて試す人の多くは、少し気恥ずかしくなり、30秒でやめてしまいます。それも無理はありません。スマートフォンに向かって声に出して話すのは、初めてだと奇妙に感じます。特に人前ではなおさらです。しかし、音声モードは現代のAIで最も活用されていない機能の1つです。入力するより明らかに適している状況が分かれば、もう目新しいだけの機能とは思わなくなります。
この記事では、音声モードの得意なこと、苦手なこと、未来志向の人を演じているような気分にならずに使う方法を手短に紹介します。
音声モードの見つけ方
ChatGPTのiOSおよびAndroidアプリでは、入力欄の近くにヘッドホン型のアイコンがあります。タップしてください。現在のほとんどのバージョンでは、2つの音声オプションが表示されます。
- Standard voice（標準音声）：基本的な、話しかけて応答を受けるモードです。モバイルアプリでは安定して利用できます。ウェブで音声を利用できるかどうかは、アカウントとその時点の製品UIによって異なります。
- Advanced voice（高度な音声）（「Realtime」などの名称が付くこともあります）：割り込みやトーンを扱え、はるかに自然に感じられる会話形式のバージョンです。PlusおよびProプランで利用できます。
Claude、Gemini、Grokにも、現在では同様の会話型音声モードがあります。Apple Intelligenceの音声機能やGoogle Gemini Liveも優れています。ボタンの配置は多少異なりますが、この記事の助言はすべてに当てはまります。
音声によってAIの使い方が変わる理由
キーボードを使うと、文章を組み立てなければなりません。伝えたいことを正確に考え、入力し、読み返して送信します。音声は異なります。声に出して考え、まとまりなく話し、前に戻ります。「やっぱり待って、それから…」といった言い方もします。
実は、これは特定の種類の作業に適したインターフェースです。自分の考えをまだ整理している途中では、キーボードが速度を落とします。音声なら、まとまっていない状態のまま始められます。これが重要になる例をいくつか挙げます。
意思決定について声に出して考える。 「ええと、そのオファーを受けるかどうか決めようとしています。通勤は心配ですが、仕事はもっと面白そうです。それに、パートナーが…やっぱり、ただ聞くのではなく、質問してもらえますか」。入力では生まれないような流れで会話が進みます。
歩きながら問題を考え抜く。 立ち上がり、体を動かし、話しながら考える方が、画面の前に座るより効果的である理由を示す研究があります。音声モードなら、思考のパートナーと対話しながら実践できます。
言語を学ぶ。 エストニア語、ドイツ語、スペイン語、日本語など、読むだけでなく話す必要のある言語の会話を練習できます。モデルは喜んでネイティブスピーカーの役を演じ、発音を直し、頼めばゆっくり話します。
手を使えない場面。 料理中、犬の散歩中、運動中などです。キーボードを使えないため、音声が唯一の選択肢になります。運転中にも使いたくなりますが、このリストからは意図的に除外しています。考えさせられる会話は、運転中の大きな注意散漫につながります。興味深い質問は、駐車してからにしてください。
すばやく記録する。 「来週火曜日に提案書についてAnnaへ再度連絡する必要があるとメモして、予算の件を尋ねることも忘れないようにしてください」。メモアプリに入力するより速く済みます。
考え方：電話で賢い友人と話すように対話する
音声モードに気まずさを感じるなら、音声付きの検索欄と考えるのをやめ、知識が豊富で頭の切れる友人との電話だと考えるだけで、ほぼ必ず解消します。次のようなことができます。
- 話を遮る。（「ちょっと待って、そういう意味ではありません」）
- まとまりなく話す。（「ええと、実は、私の状況は少し複雑で…」）
- 文の途中で方向を変える。（「やっぱり今のは無視して、最初からやり直します」）
- 自然に追加の質問をする。（「待って、それはどういう意味ですか」）
- 間を置いて考える。（「うーん、少し待ってください」）
一度、試してみてください。音声モードを開き、たとえば次のように話します。「今日、同僚との間で妙なやり取りがあり、どう対処すべきか考えたいです。1分間聞いてから、3つ質問してもらえますか」。その後、友人に話すときと同じように2～3分話します。モデルは話の流れをつかみ、役立つ質問を返します。初めて体験すると、本当に驚きます。
音声が苦手なこと
率直に挙げると、次のとおりです。
視覚情報を伴うもの。 文書、グラフ、画面を見る必要がある作業に音声は向きません。見ているものを説明したくなりますが、説明すると必ず情報が失われます。代わりに、カメラ機能またはアップロードモードを使ってください。
正確な文章の出力。 メール、スライド、メモをモデルに下書きさせたい場合、音声で依頼することはできますが、出力はコピーできるテキストで表示したくなるでしょう。ほとんどの音声モードは両方に対応し、回答を読み上げながら画面にも表示できます。しかし、文章を作る方法として、音声が最速になることはほとんどありません。
読みながら理解する必要があるもの。 複雑な説明、選択肢のリスト、数字や手順を含むものです。音声はリストに向きません。5つの箇条書きを読み上げられるより、目で読む方がはるかに覚えやすくなります。
電話を控えるべき公共の場所。 技術より社会的な問題ですが、重要です。静かなオフィスや満員のバスで音声モードを使うと、電話と同じく失礼に見えます。イヤホンを装着すれば、問題にならなくなります。
入力内容に正確さが必要な作業。 コードスニペット、正確な名前、長いURL、複雑な住所を声に出して伝えると、いら立つ結果になりがちです。これらは入力してください。
便利な使い方
音声が自然に感じられるようになれば、少数の使い方で実際の用途のほとんどをカバーできます。
歩きながらの思考会議。 屋外で20分間、音声モードを使って1つの難しい問いを掘り下げます。現実の問題の場合も、何かの下書きの場合も、「一般の人として関心がある私にXを説明してください」という場合もあります。これを実践する多くの人は、以前なら避け続けていた自分自身との1時間の会議を置き換えられると感じています。
朝のブリーフィング。 朝に音声モードを開き、その日の内容を5分間で説明してもらいます。「今日は火曜日です。10時、2時、4時に3つの会議があります。主な優先事項はX、Y、Zです。今日の準備をどう進めるか、5分で順を追って説明してください」。カレンダー連携を利用できる場合は、組み合わせると特に効果的です。
言語イマージョンのパートナー。 「エストニア語で私と会話してください。私の水準は中級です。文法は簡単にしながら、語彙には変化をつけてください。明らかな間違いがあれば訂正してください。ただし、そのために話を遮らず、各文を言い終えるまで待ってください」。これは本当にスキルを伸ばします。人間の教師と異なり、忍耐力に限りがありません。
面接準備のパートナー。 「Series Bのスタートアップにおけるシニアプロダクトマネージャー職の面接官になってください。現実的な質問を一度に1問ずつしてください。私の回答が一般論に終始していたら、さらに問い返してください。面接が終わるまでフィードバックは与えないでください。最後に、改善すべき2つの回答と、その改善方法を教えてください」。本番の面接前夜に、これがどれほど役立つかは強調してもしすぎることがありません。
日記を書くための問いかけ。 「今週がどう進んでいるかについて、3つ質問してください。助言はしないでください。ただ聞いて、追加の質問をしてください」。週に5分行うだけでも、自分の状態を確認する非常に良い習慣になります。
最後に一言
メモを口述するような話し方をする必要はありません。まとまりなく話し、やり直し、前に言ったことと矛盾しても、モデルに内容を整理するよう頼めることこそが、この機能の要点です。モデルは言いよどみを問題にしません。多くのユーザーは、音声モードでのAIとの会話は、入力した会話より役に立つようになると報告しています。プロンプトを組み立てることより、本当に解決したいことを考えるようになるためです。
これまで音声モードを奇妙に感じていたなら、一度だけ次を試してください。明日の朝、目的地へ向かう途中でイヤホンを装着し、頭にあることを1つ考え抜く手伝いをモデルに頼みます。10分間歩いてください。到着する頃には、問題が解決しているか、少なくとも論点が明確になっています。どちらでも成果です。変わったのはインターフェースだけです。
