これは凄い❗️CodexにChatGPT Voice機能が搭載！ハンズフリーで仕事が終わる
概要
OpenAIのCodexにChatGPT Voice機能が搭載され、音声で会話しながらタスクを丸ごと任せられるようになった。実際にフォルダ作成、Webサイト生成、スキルを使ったスライド資料作成、Vercelへのデプロイ、SNS投稿文の作成までを、ハンズフリーの会話だけで進行するデモを紹介している。タイピング前提のAIエージェント運用から、音声主体の運用へ移行する転換点として位置づけられている。
主なポイント
- CodexのUI上のボタンからChatGPT Voiceを起動でき、話しかけるだけで指示が通る。進捗確認や修正依頼も会話で追加できる。
- 音声はCodex本体をそのまま操作するため、Codexに登録済みの「スキル」も音声から呼び出せる。スキル資産がそのまま音声UI化される。
- Codexアプリを閉じた状態でもChatGPT Voiceのセッションは生き続け、会話の継続とタスク進行が可能。
- デモではデスクトップ上のフォルダ作成→サンプルサイト生成→調査→Notionスライド資料化→Vercelデプロイまでを音声のみで完遂。
- 「注目点は赤字に」「図も入れて(画像生成を使って)」「最後に参照URLを全部並べて」といった細かい仕様追加も、途中から口頭で差し込める。
- X用スレッド形式・Threads用・記事原稿といった複数フォーマットの同時生成も一括依頼できる。
- 保存先が曖昧な場合はエージェント側から「正しいパスを教えて」と聞き返してくる。音声でもパス指定の明確さは必要。
- 「終わったら教えて」と言って離席し、完了報告を待つ非同期的な使い方ができる。
- 実運用の制約として、声を出せる環境が必要。職場では音声専用の部屋やデュアル環境(音声で回す画面＋タイピングで作業する画面)の整備が現実解として提案されている。
実践に使えること
- まず自分のAIエージェント環境に「よく使う定型業務」をスキルとして登録しておく。音声UIの価値はスキルの充実度に比例するため、資料作成・議事録・デプロイなど手順が固まった作業から着手する。
- 音声指示は「大枠を先に投げ、細部は途中で追加する」流れが有効。最初から完璧なプロンプトを話そうとせず、進捗確認しながら仕様を足していく。
- ファイル保存先は必ず絶対パスに近い形(「デスクトップ上の◯◯フォルダの中の△△」)で伝える。曖昧だと確認で止まる。
- 1回の依頼で成果物のバリエーション(X用スレッド、Threads用、ブログ記事、図版)をまとめて指示し、フォーマット横断の量産を音声で回す。
- 長時間タスクは「終わったら教えて」で非同期化し、その間は別マシンで別作業を進める二刀流の作業設計を試す。
- 音声作業用の物理環境(個室・マイク・サブモニタ)を先に整えることが、この運用の実効性を決める。