OpenAI被曝正筹备发布新一代双向语音模型“GPT-Bidi-1”
OpenAI近日被曝光正在筹备推出名为“GPT-Bidi-1”的下一代双向音频模型，旨在对其ChatGPT的语音模式进行重大升级。作为该技术的核心突破，“GPT-Bidi-1”采用了双向（Bidirectional）架构，彻底改变了以往AI语音交互中“单工对讲”的局限。该模型支持系统同时进行聆听与表达，能够实时捕捉用户的插话与打断，并在不发生卡顿或死机的情况下动态调整语义输出，大幅提升了实时语音对话的自然度。
从目前的开发埋点来看，OpenAI已在Web端和移动端为该模型的上线铺设基础代码。在产品形态上，新功能上线后预计将与现有的高级语音模式（Advanced Voice Mode）并存，用户可自主切换至“Bidi(最新)”模式。此外，该模型在文本侧分级的基础上，首度在语音端引入了“高(High)、中(Medium)、即时(Instant)”三种智力与速度分级，允许用户根据具体任务在交互深度与响应速度之间做出权衡。
此次技术迭代不仅是单纯的音质或语调升级，更是OpenAI在多模态战略上的关键补齐。
此前，OpenAI的文本大模型已迭代至具有更强推理能力的GPT-5.5世代，而语音大模型则相对滞后，导致多模态体验出现断层。GPT-Bidi-1的推出不仅能够补齐这一推理能力差距，更彰显了OpenAI将语音视为下一代AI核心入口的战略野心，这也为其后续全面布局语音优先（Audio-first）的硬件设备及企业级语音支持工具奠定了关键的技术基石。
via AI新闻资讯 (author: AI Base)
OpenAI近日被曝光正在筹备推出名为“GPT-Bidi-1”的下一代双向音频模型，旨在对其ChatGPT的语音模式进行重大升级。作为该技术的核心突破，“GPT-Bidi-1”采用了双向（Bidirectional）架构，彻底改变了以往AI语音交互中“单工对讲”的局限。该模型支持系统同时进行聆听与表达，能够实时捕捉用户的插话与打断，并在不发生卡顿或死机的情况下动态调整语义输出，大幅提升了实时语音对话的自然度。
从目前的开发埋点来看，OpenAI已在Web端和移动端为该模型的上线铺设基础代码。在产品形态上，新功能上线后预计将与现有的高级语音模式（Advanced Voice Mode）并存，用户可自主切换至“Bidi(最新)”模式。此外，该模型在文本侧分级的基础上，首度在语音端引入了“高(High)、中(Medium)、即时(Instant)”三种智力与速度分级，允许用户根据具体任务在交互深度与响应速度之间做出权衡。
此次技术迭代不仅是单纯的音质或语调升级，更是OpenAI在多模态战略上的关键补齐。
此前，OpenAI的文本大模型已迭代至具有更强推理能力的GPT-5.5世代，而语音大模型则相对滞后，导致多模态体验出现断层。GPT-Bidi-1的推出不仅能够补齐这一推理能力差距，更彰显了OpenAI将语音视为下一代AI核心入口的战略野心，这也为其后续全面布局语音优先（Audio-first）的硬件设备及企业级语音支持工具奠定了关键的技术基石。
via AI新闻资讯 (author: AI Base)
