OpenAIは2026年7月6日、Realtime API向けにgpt-realtime-2.1とgpt-realtime-2.1-miniを公開した。

主な改善点は、英数字の認識、無音と雑音の扱い、ユーザーによる割り込みである。電話番号、予約番号、商品コード、メールアドレスを扱う音声システムでは、これらの改善が業務成功率へ直接影響する。

2つのモデル

モデル位置付け想定用途
gpt-realtime-2.1更新されたRealtime推論モデル品質を優先する対話、複雑なツール利用
gpt-realtime-2.1-mini高速・低コストの蒸留モデル大量通話、定型対応、低遅延重視

miniは単なる安価版として一括置換するのではなく、用件分類、本人確認、予約変更などタスク別に成功率を比較して選ぶ必要がある。

改善点が重要な理由

英数字認識

音声AIの業務失敗は、自然な会話より英数字で起きやすい。

  • 電話番号
  • 郵便番号
  • 会員番号
  • 注文番号
  • 製品型番
  • 日付と時刻
  • メールアドレス
  • 英字を含む氏名や住所

1文字の誤りでも検索、照合、予約、本人確認に失敗する。平均的な文字起こし精度ではなく、重要スロット単位の完全一致率を測るべきである。

無音と雑音

利用者が考えている無音、回線遅延、周囲の会話、店舗音、車内音を誤って発話開始・終了と判断すると、不自然な応答や重複発話が起きる。

モデル更新後も、サーバーVADまたはセマンティックVADの設定、無音タイムアウト、再質問文、切断条件は用途ごとに調整する必要がある。

割り込み

利用者がAIの発話中に話し始める「barge-in」は、電話体験の品質を大きく左右する。割り込み検知が遅いとAIが話し続け、早すぎると相づちや雑音で発話が停止する。

割り込み時には音声停止だけでなく、未再生テキスト、会話履歴、進行中のツール呼び出しをどう扱うかを設計する。

移行時に確認する項目

会話品質

  • 用件を一度で理解できるか
  • 確認質問が増減するか
  • 敬語、速度、間の取り方が要件を満たすか
  • 長い回答を適切に分割できるか
  • 利用者の訂正を正しく反映できるか

音声認識

  • 電話番号とコードの完全一致率
  • 日本語と英語が混在する発話
  • 小声、早口、方言
  • 携帯回線と固定電話
  • 店舗、駅、車内などの雑音
  • 保留音、読み上げ音声、複数話者

ターン制御

  • 発話開始と終了の誤検知
  • 無音時の待機時間
  • 割り込み停止までの時間
  • AIと利用者の同時発話率
  • 再質問の回数
  • 誤切断率

ツール実行

  • 予約、検索、更新、決済前確認の成功率
  • 引数の欠落と型エラー
  • ツール待機中の会話継続
  • 二重実行防止
  • 割り込み後のキャンセル
  • 人間への転送条件

必要な対応

1. 実通話に近い評価セットを作る

静かなスタジオ音声だけでは不十分である。実際の回線、端末、雑音、話者属性を再現し、個人情報を適切に匿名化した評価データを用意する。

2. スロット単位で採点する

全文の類似度だけでなく、電話番号、日時、氏名、商品コードなど業務上重要な値を完全一致で評価する。誤りのコストに応じて重みを付ける。

3. VADとプロンプトを同時に評価する

モデルだけを変更して比較すると、ターン制御の改善を正しく測れない。VAD、無音タイムアウト、割り込みルール、確認文を含めた構成単位で評価する。

4. 2.1とminiをルーティングする

すべての通話を同じモデルへ送る必要はない。定型処理はmini、複雑な交渉や長い文脈は2.1へ送る構成を検討する。切り替え条件は事前評価で決める。

5. 費用を通話単位で測る

モデル単価だけでなく、再質問、沈黙、長い応答、ツール再試行を含む1件当たり総費用を比較する。成功率が上がれば、単価が高くても業務コストが下がる場合がある。

本番監視

  • 通話完了率
  • 自動解決率
  • 人間転送率
  • スロット完全一致率
  • 平均・P95応答開始時間
  • 割り込み成功率
  • 同時発話率
  • 無音切断率
  • ツール成功率
  • 1通話当たり費用
  • 苦情、再入電、手戻り率

編集部分析

Realtimeモデルの評価では、音声の自然さだけを重視しやすい。しかし企業利用で重要なのは、正しい値を取得し、正しいタイミングでツールを実行し、利用者が訂正や割り込みを行えることだ。

モデル更新により英数字や割り込みが改善しても、アプリケーション側が古い確認フローや固定タイムアウトを維持すれば効果を取り込めない。モデル、VAD、会話設計、ツール実行、監視を一体で更新する必要がある。

実務チェックリスト

  • [ ] 実通話に近い評価音声を用意した
  • [ ] 英数字をスロット完全一致で採点した
  • [ ] 雑音と無音のケースを試験した
  • [ ] 割り込みと同時発話を評価した
  • [ ] ツールの二重実行を防止した
  • [ ] 2.1とminiを用途別に比較した
  • [ ] 通話単位の費用を計測した
  • [ ] 段階的に本番トラフィックを移行した

一次情報