全二重の音声AIを使う方法は3つあります。ChatGPT の音声機能のようなアプリで話す、提供されているAPIを組み込む、公開モデルを自分のマシンで動かす、の3つです。データベースには、全二重で会話するモデルのAPIが14件、公開モデルが18件あります。
話しかけられるアプリ
コードを書かずに使えるものです。「モデル」の列は、データベースの項目へのリンクです。
| 使える場所 | モデル | 補足 |
|---|---|---|
| ChatGPT の音声機能（ChatGPT のアプリと ChatGPT.com） | GPT-Live | Live という設定が全二重です。話しながら、Web検索や連携したアプリを使えます。 |
| Gemini Live（Gemini のモバイルアプリ） | 公表なし | 現在どの Live モデルで動いているかを、Google は公表していません。Web版の Gemini では使えません。 |
| Doubao アプリの通話 | SeedRealtime | ByteDance は、アプリのビデオ通話でこのモデルを全面的に提供していると発表しています。 |
| Grok（xAI のモバイルアプリと Tesla の車両） | Grok Voice | xAI は、開発者向けAPIがこれらと同じ音声の基盤で作られていると説明しています。 |
| Moshi のデモ（ブラウザ） | Moshi | Kyutai による研究用のデモで、英語で話せます。 |
| Sesame のリサーチプレビュー（ブラウザ） | Sesame CSM | Maya と Miles という2つの声と話せます。デモは、公開されているチェックポイントより大きなモデルで動いています。 |
全二重かどうかは、データベースの分類に従っています。分類の基準は全二重、カスケード、半二重の違いで説明しています。2026年11月11日に確認しました。
ChatGPT の音声機能の始め方
- iOS か Android の ChatGPT アプリを開くか、ChatGPT.com を開きます。
- 音声アイコンを選びます。アプリではメッセージバーに、Webではプロンプト入力欄にあります。
- 求められたら、マイクへのアクセスを許可します。アプリで初めて使うときは、声を選びます。
- 話し始めます。ChatGPT が話している間も話しかけられます。
「設定」の「音声」には、最大で3つの選択肢が表示されます。Live が全二重のモードで、プランに応じて GPT-Live-1.1 か、小型の GPT-Live-1.1 Quip で動きます。Advanced と Standard は順番に話す以前のモードで、OpenAI は2026年12月11日に両方を終了します。Live は、動画と画面共有には対応していません。
Live には、2026年10月15日から日本語の声が2つあります（ひまり、りんどう）。対応言語の一覧を、OpenAI は公表していません。利用できる時間はプランによって異なり、OpenAI のヘルプページに記載されています。
出典: ChatGPT 音声モード（OpenAI ヘルプセンター）。詳しく（英語）: OpenAI
Gemini Live の始め方
- Android、iPhone、iPad のいずれかで、Gemini のモバイルアプリを開きます。
- 画面下部の Live をタップするか、左にスワイプします。
- 初めて使うときは、画面の指示に従います。
- 話しかけます。
Google の Live モデルは、データベースに Gemini 3.8 Live とその前の世代として載っており、開発者は Live API から使います。Google は2026年3月に、アプリの Gemini Live が Gemini 3.1 Flash Live で動いていると説明しました。9月の Gemini 3.8 Live の発表はAPIについてのもので、アプリには触れていません。
出典: Gemini Live で自然に会話する（Gemini アプリ ヘルプ）。詳しく（英語）: Google DeepMind
開発者向けのAPI
APIを使うと、アプリを介さずにモデルを利用できます。自分のコードからセッションを開き、マイクの音声を流し込み、返ってくる音声をそのまま再生します。データベースでは、全二重で会話するモデル14件がこの形で提供されています。新しい順に並べています。
| モデル | 日本語 | 対応言語 | 料金 | 公開 |
|---|---|---|---|---|
 Amazon Nova 2.5 SonicAmazon / AWS | — | — | $3 in, $12 out （音声100万トークンあたり） | 2026-10 |
| 対応 | en es fr +17 | $0.08/min （1分あたり） | 2026-10 | |
Phonic-1Phonic | — | 51 | — | 2026-10 |
 Gemini 3.8 LiveGoogle DeepMind | 対応 | en ja zh +94 | $3 in, $12 out （音声100万トークンあたり） | 2026-09 |
| Gemini 3.8 Live with Live AvatarGoogle DeepMind | — | 97 | — | 2026-09 |
 Qwen-Omni Realtime (Qwen3.8-Omni-Flash-Realtime)Alibaba Cloud | — | 113 | — | 2026-09 |
 StepAudio 3 RealtimeStepFun, プレビュー | — | — | — | 2026-09 |
 Higgs RealtimeBoson AI | — | 100+ | — | 2026-08 |
| Qwen-Audio Realtime (3.0 / 3.1)Alibaba Cloud | 対応 | zh en ja +11 | $6.4 in, $24 out （音声100万トークンあたり） | 2026-08 |
 SeedRealtimeByteDance Seed | — | — | — | 2026-08 |
 GPT-Live 1OpenAI | — | — | $0.05/min （1分あたり） | 2026-07 |
| 対応 | en ja zh +52 | $32 in, $64 out （音声100万トークンあたり） | 2026-07 | |
 TML-Interaction-SmallThinking Machines Lab, プレビュー | — | en | — | 2026-05 |
| Amazon Nova 2 SonicAmazon / AWS | — | en es fr +4 | — | 2025-12 |
料金は、データベースが保持している各社の公表価格です。「日本語」の列が「—」のものは、日本語を名指しで挙げていない項目です。対応言語を数だけで示している提供元もあります。GPT-Live 1 には日本語の声がありますが、OpenAI は対応言語の一覧を公表していません。全二重という分類は、各社の説明をもとにデータベースが判断したものです。OpenAI はこの言葉を GPT-Live だけに使い、Google のページでは使われていません。料金とベンチマークの結果は、Analytics で比べられます。
自分で動かせる公開モデル
重みが公開されている全二重モデルは18件です。動かすには自分のGPUが必要です。たとえば J-Moshi と LLM-jp-Moshi-v1 は、GPUメモリが24GB以上ある Linux マシンを求めています。商用で使う前に、ライセンスを確認してください。
| モデル | 日本語 | 対応言語 | ライセンス | 商用利用 | 公開 |
|---|---|---|---|---|---|
GanderOmni-Interaction-Gander | — | — | Apache-2.0 | 可 | 2026-09 |
Realtime-VenusAnt Group (inclusionAI) | — | en zh | Apache-2.0 | 可 | 2026-09 |
| — | en | OpenMDW-1.1 | 可 | 2026-08 | |
DuplexOmniXi'an Jiaotong University / Peking University / Meituan, プレビュー | — | zh en | Apache-2.0 | 可 | 2026-07 |
Lychee-FDHITsz-TMG | — | zh en | Apache-2.0 | 可 | 2026-07 |
BayLing-DuplexICT, Chinese Academy of Sciences | — | — | glm-4-voice License (commercial use after registration) | 可 | 2026-06 |
 Raon-SpeechChat-9BKRAFTON | — | en | CC-BY-NC-4.0 | 非商用のみ | 2026-04 |
 Covo-Audio-Chat / Covo-Audio-Chat-FDTencent, プレビュー | — | zh en | Covo-Audio licence (academic use only) | 研究用のみ | 2026-03 |
LLM-jp-Moshi-v1NII (LLM-jp) | 対応 | ja | Apache-2.0 | 可 | 2026-02 |
 MiniCPM-o 4.5OpenBMB / ModelBest | — | en zh +30 | Apache-2.0 | 可 | 2026-02 |
 PersonaPlexNVIDIA (ADLR) | — | en | MIT (code) / NVIDIA Open Model License (weights) | 可 | 2026-01 |
| Qwen3-OmniAlibaba Cloud | 対応 | en zh ja +16 | Apache-2.0 | 可 | 2025-09 |
| Step-Audio 2 miniStepFun | — | zh en | Apache-2.0 | 可 | 2025-08 |
 Kimi-AudioMoonshot AI | — | zh en | MIT (Apache-2.0 for code derived from Qwen2.5-7B) | 可 | 2025-04 |
 Sesame CSMSesame AI | — | en | Apache-2.0 | 可 | 2025-03 |
J-Moshi / J-Moshi-extNagoya University (Higashinaka Lab) | 対応 | ja | CC-BY-NC-4.0 | 非商用のみ | 2025-01 |
 GLM-4-VoiceZhipu AI (Z.ai) | — | zh en | Apache-2.0 (code) / GLM-4 licence (weights; commercial use after registration) | 不明 | 2024-10 |
 MoshiKyutai | — | en | Apache-2.0 (code) / CC-BY-4.0 (weights) | 可 | 2024-09 |
日本語への対応
- ChatGPT の音声機能: Live に日本語の声があります。
- 日本語への対応を明記しているAPI: Grok Voice 3.0 (xAI Speech to Speech API)、Gemini 3.8 Live、Qwen-Audio Realtime (3.0 / 3.1)、OpenAI Realtime (gpt-realtime-2.1)。
- 日本語向けの公開モデル: NII の LLM-jp-Moshi-v1（Apache-2.0）と、名古屋大学の J-Moshi（非商用のみ）。
- Shizuku AI が2026年11月8日に発表した Shizuku-Duplex は、重み、API、デモのいずれも公開されていません。
日本語に対応するモデルとデータセットの一覧は、Full-duplex音声AIとはのページにあります。
広がり方
データベースにある全二重モデル40件のうち、2024年の公開は2件、2025年は9件、2026年はこれまでに29件です。OpenAI は2026年7月に ChatGPT の音声機能を全二重のモデルに切り替え、順番に話す以前のモードを12月に終了します。このデータベースが記録しているのは公開された実績なので、次にどのサービスが対応するかは分かりません。
四半期ごとのリリース数は、全二重、カスケード、半二重の違いにグラフがあります。
よくある質問
- Full-duplex（全二重）の音声AIは、どんなサービスやアプリで使えますか？
- 最も広く使えるのは ChatGPT の音声機能です。「Live」という設定が、OpenAI の全二重モデル GPT-Live で動いています。ByteDance の Doubao アプリはビデオ通話に SeedRealtime を使い、Kyutai と Sesame はブラウザで試せるデモを公開しています。開発者向けには、データベースにあるAPI14件と公開モデル18件が全二重です。
- ChatGPT の音声機能はどうやって使いますか？
- ChatGPT を開き、音声アイコンを選びます。iOS と Android のアプリではメッセージバーに、ChatGPT.com ではプロンプト入力欄にあります。マイクへのアクセスを許可して、話し始めます。「設定」の「音声」にある Live が、全二重のモードです。
- ChatGPT の音声機能は全二重ですか？
- Live は全二重です。2026年7月8日から GPT-Live で動いており、OpenAI は GPT-Live を、聞きながら話す全二重のモデルと説明しています。以前からある Advanced と Standard は順番に話す方式で、OpenAI は2026年12月11日に両方を終了します。
- 全二重の音声AIは日本語で使えますか？
- 使えます。ChatGPT の Live には、2026年10月から日本語の声があります。データベースで日本語への対応を明記しているAPIは4件です（Grok Voice 3.0 (xAI Speech to Speech API)、Gemini 3.8 Live、Qwen-Audio Realtime (3.0 / 3.1)、OpenAI Realtime (gpt-realtime-2.1)）。日本語向けの公開モデルは2つあり、LLM-jp-Moshi-v1 は商用利用でき、J-Moshi は研究用です。
- ほかのAIサービスでも全二重の音声を使えるようになりますか？
- このデータベースが記録しているのは公開された実績で、各社の予定は分かりません。全二重モデル40件のうち29件は2026年の公開です。Amazon、xAI、Google DeepMind、Alibaba Cloud、OpenAIはAPIを提供しており、どのアプリからも組み込めます。
更新日