OpenAI、GPT-Bidi-1 を搭載した ChatGPT の音声機能に大規模アップグレードを準備

OpenAI は、ChatGPT の音声モードに数ヶ月ぶりの最大規模のアップグレードを与える準備を整えつつあり、次世代オーディオモデルには暫定的に「GPT-Bidi-1」という名称が付けられています。この名前は、同社が今年初めから構築を進めてきた双方向（"BiDi"）アーキテクチャを指しており、このモデルは同時に聴取と発話を行い、割り込みを吸収し、ユーザーが「うん」などと発言した瞬間に動作が停止するのではなく、文の途中でも調整できることを目指しています。現在、その兆候はウェブおよびモバイルプラットフォーム全体に見られ、消費者向け展開が目前にあることを示唆していますが、発売前に名称が変更される可能性もあります。 より本質的な点は、音声品質そのものよりも、OpenAI が放置して拡大させてきた格差にあります。同社のテキストモデルは GPT-5.5 世代へと急速に進化しましたが、音声機能は古いオーディオスタックのまま残されており、会話による対話は、同じアシスタントが文章で処理する能力に比べて一歩遅れています。この格差を埋めることは、OpenAI が「テキストではなく音声」が人々が AI にアクセスする主要な手段になると賭けている企業にとって重要です。これは、同社が計画しているオーディオファーストのハードウェアや、音声ベースのサポートツールの背後にある賭けです。GPT-Bidi-1 はこの方針に基づいて構築されており、より滑らかな対話に加え、大幅な推論能力の向上をもたらすと謳われています。 MetaAI Research Tools この機能の姿が次第にはっきりとしてきました。[ChatGPT](https://www.testingcatalog.com/tag/chatgpt/) ユーザーは、おそらく現在の設定を維持したまま、新しい Bidi（最新）モードと現在の高度な音声モードの間で切り替えることになるでしょう。一括移行されることはないと考えられます。より示唆に富むのは、知能レベルの選択です。「高」「中」「即座」の 3 つが用意されており、これはテキスト側ですでに提供されているティア（階層）と一致しています。これにより、ユーザーはタスクに応じて速度と深さのトレードオフを自由に選べるようになります。最近の変更で、音声バブルを画面中央へドラッグできるようになった点は、同じ再設計の初期段階を示すものとして捉えられています。 タイミングについては注意が必要です。これが今週始まるのか、それとも後になるのかは不明ですが、その基盤が明らかに整いつつあることは確かです。

OpenAI、GPT-Bidi-1 を搭載した ChatGPT の音声機能に大規模アップグレードを準備

背景や根拠まで確認しますか？

調べる

選ぶ

サイト

背景や根拠まで確認しますか？

ニュースの次に確認する

調べる

選ぶ

サイト