ChatGPT VoiceでCodexを声から操作するには？

要点：会話しながらCodexの作業を開始・確認・修正できる

ChatGPT Voiceは、ChatGPTデスクトップアプリのChat、Work、Codexで、声による相談とタスク調整を行う機能です。GPT-Liveを基盤とし、回答中に割り込んだり、追加質問をしたり、進行中の作業へ方向修正を伝えたりできます。単に話した内容を文字へ変換する音声入力とは役割が異なります。

ChatGPT Voiceの始め方

1. ChatGPTデスクトップアプリで、新しい空のチャットまたはタスクを開きます。
2. メッセージを送る前に「Start new voice chat」を選びます。
3. 初回はマイクの利用を許可し、声を選択します。macOSではScreen contextの扱いも確認します。
4. 会話を開始し、終了時に「End」を選びます。

チャットやタスクは音声モードから開始する必要があります。通常モードで始めた会話では、声をプロンプト文字列へ変換する音声入力として動作します。

ChatGPT Voiceと音声入力の違い

Codexへ頼める音声操作

「Codexでテストを実行して、失敗した項目を調べて」
「進行中のタスクで承認待ちになっているものを教えて」
「その修正はAPIを変えず、テスト追加を優先して」

音声指示でもタスクの権限は変わらない

ChatGPT Voiceが指揮するChat、Work、Codexのタスクには、それぞれ通常と同じ権限設定が適用されます。音声で頼んだからファイル操作やネットワーク利用が自動的に無制限になるわけではありません。承認が必要な操作では、従来どおり許可判断が必要です。

macOSでは前面ウィンドウを会話へ追加できる

macOS版では、設定のVoiceからScreen contextを有効にすると、前面ウィンドウのAppshotを会話へ追加できます。「Take a look at this」のように依頼すると、画面画像とアクセシブルテキストが文脈として渡されます。

Appshotには、現在見えている範囲より外側のアクセシブルテキストが含まれる場合があります。機密情報を含むアプリを前面にしたまま利用しないことが重要です。

ローカルプロジェクトは複数フォルダーに対応

関連する複数のリポジトリや資料フォルダーを1つのローカルプロジェクトへ含められます。ただし、新規チャットやGit操作の基準はPrimary folderです。音声で作業を頼む前に、どのフォルダーがPrimaryかを確認すると取り違えを防げます。

使う前のチェックリスト

1. 対象プランとワークスペースでVoiceが利用可能か確認する。
2. 新しい空のチャットを音声モードから開始する。
3. Codexタスクの権限と承認モードを確認する。
4. macOSでScreen contextを使う場合、前面ウィンドウの内容を確認する。
5. 複数フォルダー利用時はPrimary folderを確認する。
6. 固有名詞、削除、公開、送信など重要操作は画面上でも確認する。

関連ページ

確認したOpenAI公式情報

• OpenAI：ChatGPT Voice
• OpenAI：Appshots
• OpenAI：Projects
• OpenAI：What's new

よくある質問