OpenAI、説明文から声を作る「prompt-to-voice」を全API顧客に開放

何が発表されたか

• prompt-to-voiceが全API顧客に開放された。テキストの説明文からカスタム音声を作成し、GPT-Liveセッションで再利用できる。
• 作成はAPI経由でも、音声Playground上でも可能。一度作った声は繰り返し使える。
• 声の作成自体は無料。音声生成は通常のGPT-Liveセッション料金で課金される。
• あわせてドイツ語、フランス語、ヒンディー語、日本語、韓国語の自然な音声が計9種追加された。日本語音声が増えたのは国内案件で直接効く変更だ。

開発者への影響

• 音声UIのプロトタイプで「声の調達」がボトルネックにならなくなる。収録もナレーター手配も不要で、説明文を書くだけでトーンの異なる候補を並べて比較できる。作成が無料なので、提案前に複数案を作って見せる運用が現実的になった。
• 日本語音声の選択肢が増えたことで、電話応対、受付、音声ガイド、EC の問い合わせ一次対応といった国内向け音声エージェントの質が上げやすくなる。これまで英語前提の音声で違和感が出ていた箇所を見直す価値がある。
• 課金は従来のGPT-Liveセッション単位のままなので、見積りの組み立ては変わらない。追加コストなしに表現の幅だけが広がる構図だ。
• 一方で、実在の人物の声に似せる用途は権利と倫理の論点が残る。受託案件では「誰の声でもない合成音声である」ことを仕様書に明記しておきたい。日本では2026年10月に日本俳優連合が音声生成AIの利用ガイドラインを公表しており、ナレーション領域の商慣行は今後変わりうる。

利用条件

カスタム音声の作成は無料。音声生成はGPT-Liveセッションの通常料金が適用される。