OpenAIのGPT-Liveに日本語の音声2種、テキストの説明から声を作るprompt-to-voiceも全API顧客へ

OpenAIが2026年10月16日、音声モデルGPT-Liveに日本語のHaremaとShidaを含む9つの音声を追加し、テキストの説明から独自の声を作るprompt-to-voiceを全API顧客に開放した。声の作成は無料で、発話には通常のGPT-Liveのセッション料金がかかる。作った声はGPT-Live専用で、組織あたり100件まで。

OpenAI GPT-Live voice API Japanese

OpenAIは2026年10月16日、音声モデルGPT-Liveに日本語を含む9つの音声を加え、テキストの説明から声を作る「prompt-to-voice」を全API顧客に提供したとchangelogで告知した¹。

追加された音声は、ドイツ語のNuri・Juni・Flitz、フランス語のBrise・Sillage、ヒンディー語のNira、日本語のHaremaとShida、韓国語のNoeul¹
prompt-to-voiceは、声の特徴を文章で記述すると音声を作って保存する機能で、参照用の録音や本人同意の録音は要らない。APIのほか音声Playgroundからも作れる。作成は無料で、その声で話させるとGPT-Liveの通常のセッション料金がかかる²
作った声が使えるのはGPT-Liveだけで、Text to Speech・Realtime・Chat Completionsの各APIには対応しない。作成できるのは組織あたり100件までで、アプリが顧客ごとに声を作る場合もこの上限に含まれる

9月に一般提供になったGPT-Live 1で日本語の音声エージェントを組む場合、用意された音声から日本語の2種を選べるようになった。独自の声を作る場合の条件もある。OpenAIは、他人になりすまさないこと、子どもの声を使わないこと、聞き手にAI生成の音声だと伝えることを求め、生成した声が唯一のものである保証はないとしている²。声の作成はZero Data Retentionに対応していないため、データ保持の設定に制約がある組織は導入前に確認が要る。

Sources

Changelog - OpenAI API（2026年10月16日の項）
Custom voices - OpenAI API ドキュメント（確認日2026年10月17日）