友人が強い訛りを持って話しています。彼女は2年間、ChatGPTの音声入力機能をほぼ使っていなかったんです。なぜなら、自分の言ったことが全く意味不明なテキストに変換されてしまうから。例えば、「漏水している配管について家主にメールする必要がある」と言っても、全く別の文章がタイプされてしまう。そこで彼女は手打ちで対応していたのです。
先週、彼女からメッセージが来ました。「えっ、今なら私のこと理解してくれるの？？」
はい、ちゃんと理解してくれます。
2026年6月26日、OpenAIはChatGPTの音声読み上げ（音声入力）エンジン、つまり「声をテキストに変換する部分」を新しいモデルに静かに切り替えました。このアップデートはすべてのプランに適用され、無料プランを含む全員に配信されています。新しいボタンが増えたわけでも、何かを有効化する必要もありません。ただ、「なんでそんな文字が出てくるの？」というミスマッチが劇的に減ったというだけ。それに加え、会話型の音声モード（Voice Mode）も刷新され、ロボットに命令をぶつけるような不自然さから、実際に人と話しているような感覚に進化しました。
そして、私たちにとって最も重要なポイントがあります。OpenAIが具体的に「精度が向上した言語」として挙げていたのは日本語を含んでいたこと。むしろ、日本語は最大の改善対象の一つです。X（旧Twitter）ではあるユーザーが次のようにまとめていました。「音声入力用のバックエンドモデルがこっそり切り替わり、日本語の認識精度が上がり、誤認識が10％以上減った。外出中にスマホに話しかけるだけで、ある程度文章が書けるようになった」
両方の機能の使い方を見ていきましょう。実はこれらは明確に別の機能で、混同している人が多いからです。
まず結論：音声入力と音声チャットは全く別の機能
これはほぼ全員が一度は戸惑うポイントなので、先に整理しておきます。
音声入力（Dictation）は、あなたが話すと、その言葉がメッセージ入力欄にテキストとして変換される機能です。その後は通常通りテキストで返信が返ってきます。要するにキーボードを使うステップをスキップしているだけ。スマホのキーボードにある小さなマイクアイコンの、はるかに賢いバージョンだと思えばOKです。
一方、音声チャット（Voice Mode）は文字通りの「会話」です。あなたが話すと、AIも音声で返答します。テキストは表示されません。ずっと聞いている状態なので、あなたが途中で割り込めば止まりますし、一時的に沈黙しても「話しかけている」と認識します。まるで非常に忍耐強い友人との電話通話のような体験になります。
同じ概念を図で示すとこんな感じです：
両方とも今年大きく改良されました。6月26日のアップデートは主に「タイプする部分（音声入力）」の精度向上が目的です。音声チャットの刷新は「返答する部分」の自然さ、つまり抑揚の柔らかさ、本物の会話らしい間（ま）、そして flat なニュースキャスターみたいな不自然な発声を減らすことに焦点が当てられています。
根拠としてOpenAIの公式ページを貼っておきますので、デマではないことを確認してください：
6月26日に実際何が変わったのか
OpenAIは音声入力用の新しい音声テキスト変換モデルを、すべてのプラン（Free、Go、Plus、Pro、Business、Enterprise）に一斉に配信しました。使い始めるための操作が変更されたわけではありません。あくまで裏側のエンジンが強化されただけです。
どれくらい強化されたのか？ 社内のテストでは、主要言語においてWER（誤認識された単語の割合を測る標準指標）が少なくとも10％低下しました。10％の誤差減少は数字だけ見ると地味に思えますが、長いメモを音声入力していて、3文に1回ずつ誤変換されたテキストを修正していたら、その差は歴然とわかります。
特に改善が目立ったのは以下の点です：
- 多言語対応（特に日本語）。日本語は韓国語、中国語、ウルドゥー語、ベトナム語と並んで最初に名前が挙がった言語の一つです。つまり「もしかしたら改善されているかも」ではなく、私たちにとって最大の恩恵の一つということです。
- 強い訛りのある発話。先ほどの友人のようなケースです。これは多くの人にとっての核心ポイントです。
- 会話中の言語切り替え。技術用語やカタカナ語を使う際など、日本語と英語を自然に混在させて話してしまう人も多いですが、その切り替え処理が以前よりスムーズになりました。
- 騒がしい環境。カフェや混雑したオフィス、街頭など。
- 小声や囁き。スマホに声を張り上げたくない場面でも対応可能。
- 文字と数字の混在。コード、住所、部品番号などを読み上げる際の精度向上。
これらの改善はすべて有料プランの独占機能ではありません。もう一度強調しますが、無料プランのユーザーもすべて対象です。
スマホでの具体的な使い方
非常にシンプルに解説します。
音声入力（プロンプトを音声でタイプする）の場合：
- ChatGPTアプリを開き、チャットを開始（または既存のチャットを開く）します。
- 入力欄の横にある小さなマイクアイコンをタップします（テキストを打つ場所の隣にあります）。
- 話しかけます。話した言葉がリアルタイムでテキストとして表示されます。
- 確認して変な箇所を修正し、送信ボタンを押します。
これが音声入力です。あくまであなたのプロンプトはテキストのままで、ただキーボード操作を音声に置き換えただけです。
音声チャット（会話型）の場合：
- アプリ内で、より大きな音声ボタンを探します（通常、入力欄の横にある音波やヘッドフォンを模したアイコンです）。
- タップすると録音/認識が開始されます。
- 通話するように話しかけます。AIも音声で返答し、いつでも割り込み可能です。
- 終わったらタップして終了します。
デスクトップ（ブラウザ版のchatgpt.com）でも基本は同じです。入力欄にマイクアイコンがあれば音声入力、音声チャット用のボタンがあればそこから会話モードに入れます。音声チャットはログインしているユーザーなら、モバイルアプリでもPCブラウザでも利用可能です。
音声チャットにおける無料プランと有料プランの違いについて補足：無料ユーザーも音声チャットは利用できますが、1日の利用時間制限（数時間程度）と、軽量モデルでの提供になります。有料ユーザーはより自然な音声で、ほぼ無制限に利用可能です。ただし重要なのは、今回話題の「音声入力（タイプ部分）の精度向上」はプラン分けされていないということです。全員に平等に適用されています。
実際のユーザーが何に使っているか
ネット上の実際の反応を探ってみました。マーケティング文句ではなく、リアルなユーザーの声です。いくつかのパターンが浮上しましたが、これらは初心者にこそおすすめしたい使い方です。
歩きながら頭を整理する。これが圧倒的に多いです。ウォーキング中に音声入力や音声チャットを開き、思考をそのまま口に出します。「いや、それは置いといて」「待って、ちょっと待って」と、思考の荒削りのまま記録できます。あるユーザーは「真っ白な画面に向かって悩むより、バルコニーに出てスマホに話しかけた方が解決策が見つかった」と語っていました。タイピングより速く、不思議と「正直」です。内面のエディターが整える前に、本音のアイデアが出力されます。
面倒なメールやメッセージの下書き。マイクを持って「火曜日から漏水している配管の件を家主に伝える文章を書いて。丁寧だけど毅然としたトーンで、いつ来てくれるか確認して」と話すだけ。「あのー」「つまり、要するに」といった filler words（補語）が含まれていても、AIはあなたの意図を驚くほど正確に再構築してくれます。確認して送信するだけ。まさに日本語ユーザーが指摘している「外出中に話しかけるだけでドラフトが完成する」ユースケースそのものです。
語学練習。これも多くの人が愛用している使い方です。学習中の言語（英語など）で模擬会話をできます。先述の通り非英語話者の認識精度が上がったので、あなたの発音や文法を試すのも以前より正確に理解してくれます。「随時訂正して」と指示するだけで、飽きない家庭教師のようになります。
1日の振り返り・アウトプット。音声チャットを思考の受け皿として使う人もいます。頭の中のモヤモヤを音声で吐き出し、自分の声で聞き返す行為自体に整理効果があります。セラピーではありませんが、それなりの認知負荷軽減には役立ちます。
今後、あなたはどう使うべきか
あなたの状況に合わせて、まずここから始めてみてください。
- 強い訛りがある、またはタイピングが遅い。今日から試してみましょう。今回のアップデートはまさにあなたのために作られたと言っても過言ではなく、日本語は最大の改善対象です。これまでためらっていたメッセージを一つ、音声入力してみてください。どれくらい正確に拾ってくれるか、驚くはずです。2026年に音声機能を再評価する最大の理由です。
- スマホでのタイピングが苦手。テキストメッセージの下書き、メモ、ちょっとした質問など、すべてに音声入力を使いましょう。マイクをタップして話すだけ。なぜずっと指で paragraphs を打っていたのか、不思議に思うはずです。
- 語学を勉強中。音声チャットを練習パートナーにしてください。「ゆっくり話して」「文法を修正して」と指示し、ターゲット言語で会話させましょう。飽きずに付き合ってくれる最高のチューターです。
- 紙に書くより、声に出した方が頭が回る。歩きながら音声チャットを開き、解決したい問題や決めたいこと、計画について話しかけてください。AIが質問を返してくるでしょう。歩き終わる頃には、具体的なアウトプットが手に入っています。
- AIが初めて。まずは音声入力の4ステップを1回やってみてください。それで十分です。マイクをタップして「12歳にもわかるように住宅ローンの仕組みを説明して」と話しかけ、答えを読んでください。声に出すのはすでに習得済みのスキルです。それがAI活用への最もハードルが低い入り口になります。
できないこと、そして絶対に口にしてはいけないこと
音声機能は確かに大幅に改善されました。しかし、魔法ではありません。まだ落とし穴があり、注意が必要な領域があります。
沈黙中に割り込んでくる。最も多いクレームです。考え事をしている一瞬の沈黙を「会話が終了した」と判断し、AIが勝手に返信し始めます。これは非常にイラッときます。ゆっくり考えるタイプの人なら、音声チャットよりも音声入力（タイプモード）の方がストレスが少ないでしょう。割り込みがないからです。
固有名詞や専門用語の聞き間違い。人名、ブランド名、技術用語は推測で変換され、間違うことがあります。音声入力したテキストは送信前に必ず確認してください。毎回です。「確認しなかった1回」で、初めて重要な名前が変換されるものです。
自信満々に間違った情報を言う。AIが confident に話すと、人間の脳はそれをより信頼性が高いと認識してしまいます。ボイスの特徴です。しかし、事実捏造（ハルシネーション）は依然として起こります。事実、日時、薬の用量、法的なアドバイス、価格などを話されたら、必ず別で検証してください。確認していない音声回答を行動の根拠にしないでください。
公共の場での音声入力は公共の場での発言です。電車の中で隣に座っている人は、あなたの会話をすべて聞いています。つまり、プライベートな情報を音声入力してはいけません。パスワード、住所、医療情報、口座番号、友人の秘密など。機微な情報はタイピングするか、一人になるまで待ちましょう。
騒がしい場所や強い訛りでも、まだ完全ではありません。「改善された」＝「完璧ではない」。うるさい場所や強い訛りのある発話では、まだ聞き逃しが発生します。静かな環境が最も正確な結果をもたらします。
これらの注意点があるからといって、使うなという意味ではありません。90％の信頼性を持つツールを使う感覚で臨めばいいのです。最初のドラフト作成には最適ですが、重要な決定や送信前には必ずチェックする。それが正しい使い方です。
まとめ：結論として
2026年のChatGPTとの音声対話は、6ヶ月前とは明らかに違う体験になりました。音声入力の精度向上アップデートは6月26日に全プラン（無料プラン含む）に配信され、日本語は特に大きく改善された言語の一つです。「音声入力は自分のことを理解してくれない」と諦めていた人にとって、その理由はもうほぼ消滅しました。マイクをタップして、話しかけてみてください。変換されたテキストを読んでください。それがスキルアップのすべてです。
そして、音声入力の使い方に慣れたら、次は「何をどう伝えるか（プロンプトエンジニアリング）」を極める時が来ます。そこがAI活用の真髄であり、十分に習得できる領域です。私たちの無料のAI入門コースはゼロから基礎を学べます。プロンプトエンジニアリング入門コースでは、より深い応用法を解説しています。ChatGPT自体をマスターしたい方は、ChatGPTの使い方マスターが網羅的にカバーしています。
今日はまず、ChatGPTに話しかけてみてください。最悪なのは聞き間違えられて笑えること。最良なのは、スマホで長いメッセージを指で打つ必要が永遠になくなることです。
出典
- ChatGPT — Release Notes, OpenAI Help Center — 6月26日、全プラン向けに配信された音声入力モデルのアップデートと、WER（誤認識率）の低下、日本語を含む言語別の詳細。
- Advancing voice intelligence with new models — OpenAI — API経由で公開された次世代の音声/オーディオモデルに関する基礎技術。
- Voice Mode FAQ — OpenAI Help Center — 音声チャットの動作原理と、無料プラン・有料プランの制限事項。
- ChatGPT Voice — OpenAI — 音声機能の公式紹介ページ。
- Talking to ChatGPT just got better, and you don’t need to pay — TechRadar — 音声精度の改善が無料ユーザーにも適用されていることを報じた記事。
