OpenAI被曝正籌備發佈新一代雙向語音模型“GPT-Bidi-1”

 OpenAI近日被曝光正在籌備推出名爲“GPT-Bidi-1”的下一代雙向音頻模型，旨在對其ChatGPT的語音模式進行重大升級。作爲該技術的核心突破，“GPT-Bidi-1”採用了雙向（Bidirectional）架構，徹底改變了以往AI語音交互中“單工對講”的侷限。該模型支持系統同時進行聆聽與表達，能夠實時捕捉用戶的插話與打斷，並在不發生卡頓或死機的情況下動態調整語義輸出，大幅提升了實時語音對話的自然度。

從目前的開發埋點來看，OpenAI已在Web端和移動端爲該模型的上線鋪設基礎代碼。在產品形態上，新功能上線後預計將與現有的高級語音模式（Advanced Voice Mode）並存，用戶可自主切換至“Bidi(最新)”模式。此外，該模型在文本側分級的基礎上，首度在語音端引入了“高(High)、中(Medium)、即時(Instant)”三種智力與速度分級，允許用戶根據具體任務在交互深度與響應速度之間做出權衡。

此次技術迭代不僅是單純的音質或語調升級，更是OpenAI在多模態戰略上的關鍵補齊。

此前，OpenAI的文本大模型已迭代至具有更強推理能力的GPT-5.5世代，而語音大模型則相對滯後，導致多模態體驗出現斷層。GPT-Bidi-1的推出不僅能夠補齊這一推理能力差距，更彰顯了OpenAI將語音視爲下一代AI核心入口的戰略野心，這也爲其後續全面佈局語音優先（Audio-first）的硬件設備及企業級語音支持工具奠定了關鍵的技術基石。