# フルデュプレックスとは？全二重の意味と、聞きながら話す音声AIの仕組み・課題

- URL: https://www.waltsu.co.jp/magazine/ai/full-duplex/
- カテゴリ: AI活用 > 生成AIの基本
- 執筆: 藤井 俊輔（代表取締役） / 監修: 玉城 彪眞（マーケティングディレクター）
- 公開日: 2026-10-21 / 最終更新日: 2026-10-29
- 発行: waltsu株式会社（waltsu MAGAZINE）

## こんな人におすすめ

- 音声AIの資料で「フルデュプレックス」という語を見かけた
- 電話の自動応答で、AIが話し終わるまで待たされるのを何とかしたい
- GPT-LiveやJ-Moshiが何なのかを知りたい

フルデュプレックス（全二重）はもとは通信の用語です。電話や有線LANの説明で使われてきましたが、2024年ごろから電話の自動応答などを担う音声AIの紹介でも見かけるようになりました。 音声AIでいうフルデュプレックスとは、AIが相手の声を聞きながら話せることです。割り込みに応じられるだけでは全二重とは限らず、導入前に見るのは話す速さより、黙るべきときに黙れるかです。本記事では、半二重との違い、従来の仕組み、代表的なモデル、使いどころと課題を整理します。

**この記事のゴール（読了目安 約7分）**：単方向・半二重・全二重の違いを例で説明でき、全二重の音声AIでできることとまだ難しいことを分けて、自社の通話で試す前に見る点を決められるようになる。

## この記事の結論

- フルデュプレックス（全二重）は送信と受信を同時に行える通信方式
- 音声AIでは聞きながら話し、相づちや割り込みに応じる対話を指す
- 割り込めても、無音で番を区切る仕組みなら全二重とは限らない
- 導入前は応答の速さより、黙るべきときに黙れるかを確かめる

## フルデュプレックスとは

送信と受信を同時に行える通信方式で、日本語では全二重と呼びます。音声AIでは、話している最中も相手の声を聞き続ける対話を指します。

### 送信と受信を同時に行う方式

フルデュプレックスは送信と受信を同時に行える通信方式で、日本語では[全二重](https://e-words.jp/w/全二重.html)と呼びます。**身近な例は電話の通話と有線LAN**です。相手が話している最中でも、こちらの声が届きます。

### 音声AIでは「聞きながら話す」

音声AIでは、AIが話している最中も相手の声を聞き続ける対話を指します。**相づち、話の途中の割り込み、声の重なり**といった、人どうしの会話で起きることに応じられます。

## 単方向・半二重・全二重の違い

違いは通信の向きが1つか2つか、2つなら同時に送れるかで決まります。

| 方式 | 向き | 同時に送れるか | 身近な例 |
|---|---|---|---|
| 単方向（シンプレックス） | 一方向のみ | 送り返せない | ラジオ・テレビの放送 |
| 半二重（ハーフデュプレックス） | 双方向 | 交互に送る | トランシーバー |
| 全二重（フルデュプレックス） | 双方向 | 同時に送れる | 電話・有線LAN |

人の会話では、相づちや言いかけが重なります。**人の会話は全二重で、従来の音声AIの多くは半二重の作り**です。

## 従来の音声AIは半二重

従来の音声AIは、無音が続くと話し終えたとみなし、文字起こしから読み上げまでを順番に処理します。話し終わりの決め方、読み上げ中の待ち方の順に見ます。

### 話し終わりを無音で決める

従来の音声AIでは、無音が一定の時間続いたら話し終えたとみなします。[OpenAIのRealtime API](https://developers.openai.com/api/docs/guides/realtime-vad)でも、無音の長さで区切るか、言葉の内容から話し終わりを見積もるかを選べます。**どちらも「相手の番が終わったか」を判定する仕組み**です。

### 読み上げ中は番を待つ

多くの構成では文字起こし、LLMでの応答づくり、読み上げを順に進めます。[Moshiの論文](https://arxiv.org/abs/2410.00037)は、この直列の構成がやり取りに数秒の遅れを生むと指摘しています。割り込みへの対応も声を検出して読み上げを止める形で後から足されたものです。

そのため、「えーと」と考える間に話を取られたり、相づちのたびにAIが止まったりします。

![無音を待つ、文字に起こす、LLMで答えを作る、読み上げるの4段を左から右へ並べ、読み上げの間は相手の声を聞かないことを示した手順の図](https://www.waltsu.co.jp/wp-content/uploads/2026/10/full-duplex01.png)  
*従来の音声AIは、無音で話し終わりを決めてから、文字起こし・応答・読み上げを順に進める。*

## 聞きながら話す仕組み

全二重の音声AIは**自分の声と相手の声を別々の流れとして同時に扱います**。Moshiは2つの流れを並べてモデル化し、明確な番の区切りをなくしました。[NTT技術ジャーナル](https://journal.ntt.co.jp/article/39223)は0.08秒ごとといった短い間隔で解析する例を紹介しています。

AIは短い刻みごとに「いま何を出すか」を決め、話すべきでないときは無音を出します。音声や動画を文字にせず判定するモデルは別記事で解説しています。

【関連記事】[Clef-omniとは？音声と動画も判定するCloudflareの判断モデル](https://www.waltsu.co.jp/magazine/ai/cloudflare-clef-omni/)

難しいのは話す内容と声色、タイミングを同時に決める点です。学習に要る音声対話のデータも、一問一答のデータより集めにくいとされています。

![左に半二重（AIと人が交互に番を渡す）、右に全二重（自分の声と相手の声の2本の流れが同時に進み、相づちや割り込みが入る）を並べた左右比較の図](https://www.waltsu.co.jp/wp-content/uploads/2026/10/full-duplex02.png)  
*全二重の音声AIは、自分の声と相手の声を2本の流れとして同時に扱う。*

## 全二重でできること

全二重になると、次の4つができるようになります。

- **割り込み（バージイン）**: AIの話の途中で、言い直しや訂正を伝えられる
- **相づち**: 「はい」「ええ」を返しながら聞き続ける
- **話し終わりの予測**: 無音を待たずに、文の終わりを見越して応じる
- **声の重なりへの対応**: 同時に話し出したとき、譲るか続けるかを決める

日本語の会話は相づちが多く、**半二重のAIとの差が出やすいのがこの部分**です。[名古屋大学のJ-Moshi](https://www.nagoya-u.ac.jp/researchinfo/result/upload_images/20250204_i.pdf)も発話の重なりや相づちを含む同時双方向の対話を掲げています。

## 代表的なモデル

2026年10月時点の主なモデルです。

| 名前 | 開発元 | 公表 | 特徴 |
|---|---|---|---|
| Moshi | Kyutai（フランス） | 2024年9月 | 初のリアルタイム全二重の 音声LLM として発表 |
| J-Moshi | 名古屋大学 東中研究室 | 2025年2月 | 日本語で初めて公開された全二重の音声対話モデル |
| PersonaPlex | NVIDIA | 2026年1月 | Moshiの構造で、役割と声を指定できる |
| 全二重型音声対話モデル | AI inside社 | 2026年4月 | 対話と業務の実行を同時に処理する |
| GPT-Live | OpenAI | 2026年7月 | ChatGPTの音声の既定モデル。複雑な作業はほかのモデルに任せられる |

NTTはコールセンターの自動応対を想定した試作を展示し、2026年度中の実証実験を準備しています（NTT技術ジャーナル2026年5月号）。**日本語の全二重AIは研究の公開から実証へ移り始めた段階**です。

![2024年9月のMoshiから、2025年2月のJ-Moshi、2026年1月のPersonaPlex、2026年4月のAI inside、2026年7月のGPT-Live、2026年度のNTTの実証予定までを並べた年表](https://www.waltsu.co.jp/wp-content/uploads/2026/10/full-duplex03.png)  
*2024年のMoshiを起点に、2025年に日本語のモデル、2026年に企業の全二重モデルが相次いで出てきた。*

## 割り込み対応との違い

割り込みに応じられるAIでも、全二重とは限りません。見分け方は、こちらが話している最中にAIが相づちを返すかどうかです。

### 声を検出して止める仕組み

Realtime APIは無音で番を区切り、利用者が話し始めたら応答を止める設定を持ちます。割り込めても、**AIが待っているのは「番の切れ目」**です。

### OpenAIも別の方式として扱う

[OpenAIの音声エージェントのガイド](https://developers.openai.com/api/docs/guides/voice-agents)は、3つの作り方を並べます。

- **GPT-Live**: 聞きながら同時に話せる。公式が全二重と呼ぶのはこれ
- **Realtime API**: 番やツール、割り込みをセッションが扱う
- **文字起こし→エージェント→読み上げ**: 途中の文章を確かめたいときの構成

製品の説明に「割り込み対応」とあっても、全二重とは限りません。**見分けるには、相手が話している最中にAIが相づちを返すかを確かめます**。

## 使いどころ

全二重が向いているのは、相手が言い直したり、言いよどんだりしやすい場面です。

- **コールセンター・受付の自動応答**: 名前や電話番号の復唱と確認、保留の案内。NTTの展示もこの場面を想定している
- **語学の会話練習**: 言いよどむ間に話を取られない
- **車内やスマートスピーカー**: 手と目がふさがっていても、声だけで言い直せる

反対に、**途中の文章を記録して確かめる必要がある手続き**には向きません。[コールセンターなど顧客対応での音声AIの活用例](https://www.waltsu.co.jp/magazine/ai/multimodal-ai-cases/)は別記事で解説しています。

## 全二重の音声AIの課題

全二重のAIにはまだ次の課題があります。

- **相づちの打ちすぎ**: 多すぎると、聞いていないように受け取られる
- **周りの声への反応**: 背景の会話や横の人への話しかけを、割り込みと取り違える。スピーカーから出た自分の声も拾う
- **割り込みの受け付け範囲**: 相づちのたびに止まるか、話し続けるか。用途ごとに調整が要る
- **ツールを呼ぶ間の扱い**: NVIDIAの英語向けモデル[NemotronLabs VoiceChat](https://catalog.ngc.nvidia.com/orgs/nim/nvidia/models/nemotron-labs-voicechat)は、ツールの実行中は利用者が割り込めないと既知の制約に書いている

**全二重にしても、周りの音の扱いは別に詰める必要があります**。

## 【プロの視点】速さより黙れるかを見る

音声AIを比べるとき、話題は「応答まで何ミリ秒か」に集まりがちです。速さは数字で並べやすいからです。

ただ全二重では、AIが「いま話すか、黙るか」を判断する回数が増えます。評価用のベンチマーク[Full-Duplex-Bench](https://arxiv.org/abs/2503.04721)は、相手が間を置いたときにAIが話を引き取ってしまう割合（Takeover Rate）を測り、低いほど良いとしています。[後の版](https://arxiv.org/abs/2507.23159)では割り込まれて止まるまでの時間も測定の対象です。**見るべきは黙るべきときに黙れるか**です。

明日の一歩として、自社の通話録音から、言いよどみと言い直しの場面を10か所選んでください。**そこでAIが黙るべきか話すべきかを先に決めておきましょう**。そうすれば、どのモデルも同じ基準で比べられます。

![左に応答までの時間で比べる見方、右に間を置いたときに話を引き取る割合・割り込まれてから止まるまでの時間・相づちの数で比べる見方を並べた左右比較の図](https://www.waltsu.co.jp/wp-content/uploads/2026/10/full-duplex04.png)  
*全二重のAIは、応答の速さより、黙るべきときに黙れるかで比べる。*

## 【waltsu視点】割り込みの台本を先に作る

全二重のモデルは相手の話し方しだいで結果が変わります。そこで勧めたいのが、言いよどみや言い直し、背景の声を入れた短い台本を先に用意することです。**台本があれば、モデルや設定を替えても同じ条件で何度でも比べられ、1回の試しが軽くなります**。

半二重のままでも、無音の長さや割り込みの設定を詰めれば困りごとが消えることがあります。**まず今の仕組みで台本を流し、困りごとを測ってから替えるかを決める**順なら、試す回数を無駄にしません。

明日の一歩は「言い直し」「相づち」「横の人への声かけ」の3場面を、それぞれ30秒の台本に書くことです。

## まとめ

フルデュプレックスは送信と受信を同時に行う通信の方式です。音声AIでは聞きながら話すことで人の会話に近づきます。2024年のMoshiに続き、2026年にはGPT-Liveや日本語のモデルも出てきました。

一方で、相づちの多さや周りの声への反応など、試さないと分からない課題も残ります。音声AIを電話応対や受付にどう組み込むか迷ったら、waltsuが試し方の設計からご支援します。

## よくある質問

**Q. フルデュプレックスとは簡単にいうと？**  
A. 送信と受信を同時に行える通信方式です。音声AIでは聞きながら話せる対話を指します。

**Q. 半二重との違いは？**  
A. 半二重は送信と受信を交互に切り替えます。トランシーバーが半二重、電話が全二重の例です。

**Q. 割り込めるAIは全部全二重？**  
A. そうとは限りません。声を検出して読み上げを止める仕組みでも、割り込みには応じられます。

**Q. 日本語の全二重AIはある？**  
A. あります。名古屋大学が2025年にJ-Moshiを公開し、2026年にはAI inside社も発表しました。

**Q. コールセンターにすぐ使える？**  
A. 2026年10月時点では、NTTも実証実験を準備している段階です。自社の通話録音や台本で試してから判断してください。

## 執筆者

**藤井 俊輔**（代表取締役）ベンチャー企業の外部CMOや水族館のマーケティング担当などに従事。オンライン/オフライン問わず集客を中心としたマーケティング施策に強み。

プロフィール: https://www.waltsu.co.jp/magazine/supervisor/shunsuke-fujii/

この記事は waltsu 公式ブログの記事（https://www.waltsu.co.jp/blog/full-duplex/）をもとに再編集したものです。