ChatGPTボイスが凄い｜声だけでCodexがWebアプリを作る使い方

この記事でわかること

ChatGPTボイスで何ができるようになったのか
声だけでCodexにアプリを作らせる手順
従来の音声入力と決定的に違うポイント
使える環境と、つまずきやすい注意点

「僕が実際に話しかけるだけで指示を出したら、キーボードに一度も触らないまま割り勘アプリが完成しました」

AIのモデルが賢くなるニュースは毎週のように流れてきます。ただ今回のアップデートは、モデルの賢さではなく人間とAIのつなぎ方が変わった話です。話しかけながら別の作業を続けられるようになったことで、開発の進め方そのものが変わりました。

こんにちは、ルーティンラボ（@rutinelabo）です。今回はOpenAIが2026年7月23日に展開したChatGPTボイスのデスクトップ搭載を、公式情報と自分の手元での実演の両方から見ていきます。AIと人間の間をどうつなぐかというテーマでは、こちらの記事でも自作ツールを扱っています：複数のAIをドット絵で可視化するAIオフィスを自作した記事

: AIオフィスを自作｜複数AIをドット絵で可視化しスマホ連携する方法

続きを見る

プロンプト配布中

LINE公式アカウントを友達追加していただければ、本記事やYouTubeで使用した使用したプロンプトを配布いたします。メンバーシップ登録で優先サポートも実施中です。

LINE友だち登録して情報Get

ChatGPTボイスとは｜声で複数のAIエージェントを同時に動かせる機能

OpenAI公式がChatGPTボイスのデスクトップ搭載を告知したポスト

ChatGPTボイスは、もともとスマートフォンのアプリで先に使えるようになっていた音声機能です。それが2026年7月23日にパソコンのデスクトップアプリへ搭載され、同じ日にグローバルで展開されました。声だけでパソコンを操作し、ChatGPT WorkやCodexで走る複数のエージェントを同時に指揮できるようになっています。

ここで重要なのは、指示を文字にする作業がなくなったことだけではありません。裏で複数の作業が走っている間も、こちらは喋り続けられるという点です。開発を進めながら次の相談ができるので、待っている時間がなくなります。

基本の仕様を先に確認する

自分の環境で使えるかどうかは、対応プランと対応OSで決まります。まずはここを押さえておきましょう。

項目	内容	出典（2026年7月時点）
デスクトップ搭載日	2026年7月23日（同日グローバル展開）	9to5Mac
対応OS	macOS・Windows のデスクトップアプリ	9to5Mac
対応プラン	Plus・Pro・Business・Edu・Enterprise	Android Authority
基盤の技術	GPT-Live（話す・聞く・作業の調整を同時に行える）	9to5Mac
Appshots	macOSのみ。最前面のウィンドウを参照して文脈を補う	9to5Mac
iOSからの利用	ChatGPTのRemote機能を経由して利用できる	9to5Mac

無料プランとGoプランは、この対応プランの一覧に入っていません。使いたい場合はPlus以上への加入が前提になります。

従来の音声入力と何が違うのか｜待ち時間が消えると会話になる

ChatGPTのボイスモードで音声のやり取りをしている画面

音声でAIを使うこと自体は前からできました。ただ、これまでの流れは決まっていて、こちらが話し終わるのを待ち、その内容を認識し、処理してから音声で返す、という順番で進みます。この一つひとつの区切りが、そのままロボットらしさとして体感に残っていました。

今回のGPT-Liveは、話すことと聞くことを同時に行えます。相手が話している最中に相づちのような短い反応を返してくるので、間が空きません。専門的には全二重と呼ばれる仕組みで、電話のように双方が同時に喋れる状態を指します。

実際、Codexにつなぐ前に英会話の相談をしてみたのですが、テンポが完全に会話でした。こちらが言いよどんでも待ってくれますし、途中で話題を変えても普通についてきます。ここが自然になったからこそ、開発の指示にも耐えるようになったのだと思います。

なぜ全二重だと開発に使えるのか

開発の指示は、一度で言い切れるものではありません。作らせている途中で仕様を思い出したり、方針を変えたくなったりします。ターン制のやり取りだと、AIの返答を待ってからでないと追加を伝えられません。同時に喋れると、走らせたまま横から補足できるので、頭の中の順番のまま指示が出せます。

AIと人間の間をつなぐ部分が次の勝負になる

複数のAIの作業状況を可視化した自作のAIオフィスの画面

僕自身、複数のAIが今どんな作業をしているかを一目で分かるようにするツールを自作してきました。モデルの性能が上がりきってくると、次に効いてくるのは賢さそのものではなく、人間がその賢さをどう受け取るかの部分です。

画面で見せるか、声でやり取りするかは手段の違いでしかありません。共通しているのは、AIの作業内容を人間が把握しやすくするという目的です。今回のアップデートは、その入口を声に広げた第一歩だと受け止めています。

使い方の準備｜デスクトップアプリを入れる

ここからは実際に使う手順です。つまずきやすい注意点が最初にあるので、そこから説明します。

step
1ChatGPTのデスクトップ版アプリをダウンロードする

ChatGPTデスクトップ版アプリのダウンロードページ

ChatGPTの公式ダウンロードページから、macOS版とWindows版のどちらも入手できます。ここで注意したいのが、スマートフォンのアプリではCodexを動かせないという点です。音声機能自体はスマホにもありますが、先に出ていたスマホ版はスマホ上で行動を起こすようには作られていません。パソコンで開発をさせたいなら、デスクトップ版が必須になります。

step
2Codexのアプリを立ち上げて作業フォルダを作る

Codexアプリで新規の作業フォルダを作成しているところ

アプリを起動したら、まず新規でフォルダを作成します。ここが開発の作業場所になります。Codex側も同じタイミングで、ローカルプロジェクトの複数フォルダ対応が拡張されました。

声だけで割り勘アプリを作らせた｜実演

準備ができたので、実際に一つ作らせてみます。お題は、合計金額と人数を入れると一人あたりの金額が出るシンプルな割り勘アプリです。ここから先、キーボードでの入力は一切していません。

作りたいものを声でまとめて伝える

step
1動かすモデルを選ぶ

Codexアプリで動かすモデルを選択している画面

声で動かす場合でも、どのモデルで走らせるかは自分で選びます。今回はGPT-5.6のSol Ultraを指定しました。

step
2作ってほしい内容を話しかける

割り勘アプリの要件を音声でCodexに伝えている画面

整理した箇条書きを読み上げたわけではなく、思いついた順にそのまま喋りました。実際に伝えたのは、合計金額と人数から一人あたりを出すこと、端数が出たら多く払う人を一人選べること、スマートフォンでも見やすくすること、計算結果を共有リンクでコピーできるボタンを付けること、READMEを置くこと、バグがないか検証してから仕上げること、そしてダウンロードフォルダに日付とタイトルでフォルダを作って作業することです。

これだけ条件を並べても、返ってきたのは要件を受け取ったという短い確認だけでした。テキストで打つなら数分かかる分量が、一息で伝わります。

別の画面に移っても会話は切れない

別のアプリへ移動しても画面右下に残るChatGPTボイスのパネル

ここがいちばん驚いた部分です。喋れるモードにしたまま他のアプリへ移動しても、会話がそのまま継続します。画面の右下に小さく音声のパネルが残り、別の作業をしながら話しかけられる状態が保たれていました。

試しに今も聞こえているかを尋ねたところ、聞こえているという返事と一緒に、指示どおり進めているという報告まで返ってきます。作業を止めて確認画面に戻る必要がありません。

完成したアプリを動かして確かめる

step
3進み具合を声で確認する

割り勘アプリが完成したと音声で報告が返ってきた画面

今どうなっているかと聞くと、割り勘のアプリは完成していて、計算と端数対応、共有のコピー、スマートフォン表示、READMEまで揃っているという内容が口頭で返ってきました。そのあと最終チェックをすると言って、完成した旨を伝えてきます。

完成した割り勘アプリで12,600円を3人で割った計算結果

実際に開いてみると、きちんと動くものが出てきていました。合計12,600円を3人で割ると、一人あたり4,200円と表示されます。多く払う人を選ぶ機能も、共有テキストをコピーするボタンも問題なく動きました。指示した条件が一通り入っています。

2本目も声だけ｜日程調整アプリで対話の手触りを確かめる

声だけで作らせた日程調整アプリの完成画面

続けてもう一つ作らせました。複数人の都合のいい日を一緒に確認できる、日程調整のアプリです。同じように、フォルダ名は日付とタイトルで作ってほしいという条件だけ添えて話しかけます。

ここで面白かったのが、AIの側から聞き返してきたことです。フォルダ名と日付、それとタイトルをどうするかを確認してきました。指示を一方的に受け取って走るのではなく、足りない情報があれば会話の中で埋めにきます。

この聞き返しがあるかどうかが、従来の音声入力との決定的な差だと感じました。マイクに向かって文章を吹き込むだけの機能なら、曖昧な指示はそのまま曖昧な結果になります。会話として成立していると、こちらの言い忘れを相手が拾ってくれます。

Codexそのものの活用方法については、こちらの記事でも実務での使い方をまとめています：Claude CodeとCodexを組み合わせた実務活用の記事

: 保護中: Claude Code×Codex実務活用｜APIキー0本で画像生成する使い方

続きを見る

誰に効くのか｜ターミナルが苦手でもローカル開発ができる

CodexとChatGPTボイスで開発した結果を振り返っている画面

ここまで試した感触から、どういう人に向いているかを整理します。いちばん恩恵が大きいのは、黒い画面でのコマンド操作に抵抗があって、これまでローカルでの開発に踏み込めなかった人です。話しかけるだけで手元のパソコンにファイルが出来上がるので、入口のハードルが一段下がりました。

向いている使い方	向いていない使い方
手を動かしながら並行して指示を出す作業	静かにできない場所での作業
仕様を喋りながら固めていく小規模なアプリ作り	厳密な設定値をひと文字ずつ指定する作業
複数のエージェントに同時進行させる作業	スマートフォンだけで完結させたい作業
コマンド操作を覚える前の入門用途	長大なコードを直接貼り付けたい作業