OpenAI का GPT-Bidi-1: ChatGPT के लिए अब तक का सबसे बड़ा वॉइस अपग्रेड

OpenAI अपने ChatGPT के लिए अब तक के सबसे बड़े वॉइस अपग्रेड की तैयारी कर रहा है: एक बिडायरेक्शनल ऑडियो मॉडल, जिसका कोडनेम GPT-Bidi-1 है। आज तक के सभी ChatGPT वॉइस मोड आपके बोलना खत्म करने का इंतज़ार करते हैं, लेकिन GPT-Bidi-1 एक साथ सुन और बोल सकता है — यह बीच में टोकने पर भी तुरंत समझ लेता है, अपनी गलतियों को रियल टाइम में सुधारता है और बिना ऑडियो ड्रॉप किए अपने जवाब को एडजस्ट कर लेता है।

यह लेख जानकारी देता है कि GPT-Bidi-1 की खोज कैसे हुई, यह पुराने टर्न-बेस्ड वॉइस से कैसे अलग है, इसमें तीन इंटेलिजेंस टायर क्या हैं, ChatGPT इंटरफेस में क्या बदलाव होगा, और इसके डेवलपमेंट का कॉम्पिटिटिव कॉन्टेक्स्ट क्या है। OpenAI ने अभी तक इस मॉडल की आधिकारिक घोषणा नहीं की है, इसलिए सारी जानकारी कोड साइटिंग, UI रेफरेंस, यूजर रिपोर्ट और मीडिया एनालिसिस पर आधारित है।

GPT-Bidi-1 की खोज कैसे हुई

इस खोज की शुरुआत डेवलपर M1Astra ने की, जिन्होंने सबसे पहले ChatGPT के ऐप कोड में gpt-bidi-1 के रेफरेंस देखे और इस जानकारी को X (पूर्व में ट्विटर) पर साझा किया। इसके बाद ट्रैकिंग साइट TestingCatalog ने मॉडल स्ट्रिंग की पुष्टि की, साथ ही एक ऐसे अनाउंसमेंट टेक्स्ट का भी जिक्र किया जो "वॉइस की अगली पीढ़ी" और "इंटेलिजेंस में बड़ी छलांग" बताता है।

इसके बाद कोड और UI एलिमेंट वेब और मोबाइल दोनों ChatGPT क्लाइंट्स पर मिले। जून 2026 के अंत में, यूजर्स के एक छोटे समूह तक इसका सीमित परीक्षण पहुंचना शुरू हुआ। 22-24 जून 2026 तक, कई यूजर रिपोर्ट और डेमो वीडियो सामने आए जिनमें मॉडल को प्रैक्टिस में बिडायरेक्शनली काम करते दिखाया गया।

सावधानी: OpenAI ने कोई आधिकारिक घोषणा नहीं की है। मॉडल का अंतिम नाम, टायर का सटीक व्यवहार और रिलीज़ की तारीख कंपनी द्वारा अभी तक कन्फर्म नहीं की गई है।

बिडायरेक्शनल वॉइस, टर्न-बेस्ड मॉडल से कैसे अलग है?

चैटजीपीटी के मौजूदा वॉइस मोड — स्टैंडर्ड वॉइस और एडवांस्ड वॉइस मोड — टर्न-बेस्ड सिस्टम पर काम करते हैं। इसका मतलब है कि मॉडल को जवाब देने से पहले आपके बोलना खत्म करने का इंतज़ार करना पड़ता है। GPT-Bidi-1 की बिडायरेक्शनल (BiDi) आर्किटेक्चर मॉडल को एक साथ दो ऑडियो स्ट्रीम प्रोसेस करने देती है: आपकी और उसकी अपनी आवाज़।

डेमो में देखे गए मुख्य व्यवहारिक अंतर:

• बीच में टोकना (Interruption handling): मॉडल बातचीत के बीच में टोकने पर भी तुरंत समझ लेता है और बिना रुके या ऑडियो ड्रॉप किए अपने जवाब को एडजस्ट कर लेता है।
• रियल-टाइम करेक्शन: परीक्षणों में, GPT-Bidi-1 ने एक यूजर के साथ 1 से 10 तक गिना और जैसे ही यूजर ने बीच में टोककर उल्टा गिनने को कहा, इसने तुरंत वैसा ही किया।
• नेचुरल ओवरलैप: असिस्टेंट उसी समय बोल सकता है जब आप बोल रहे हों, जिससे बातचीत इंसानों जैसी लगती है।

OpenAI का आंतरिक लक्ष्य ChatGPT के वॉइस स्टैक — जो उसके टेक्स्ट मॉडल्स (GPT-5.5-क्लास रीज़निंग) से पीछे था — के बीच की खाई को पाटना था और रीयल-टाइम कन्वर्सेशनल इंटेलिजेंस में समानता लाना था।

तीन चुनने योग्य इंटेलिजेंस टायर

GPT-Bidi-1 पहला OpenAI वॉइस मॉडल है जो वॉइस के लिए तीन चुनने योग्य इंटेलिजेंस और स्पीड टायर पेश करता है:

टायर	विवरण
High	अधिकतम रीज़निंग डेप्थ, धीमा रिस्पॉन्स — जटिल विश्लेषण कार्यों के लिए
Medium	इंटेलिजेंस और स्पीड के बीच संतुलित विकल्प
Instant	सबसे तेज़ संभव रिस्पॉन्स, कम रीज़निंग — सामान्य या समय-संवेदनशील बातचीत के लिए

यह टायर सिस्टम यूजर्स को कार्य के अनुसार इंटरेक्शन की गहराई और लेटेंसी (देरी) को चुनने की सुविधा देता है, ठीक वैसे ही जैसे ChatGPT के टेक्स्ट मॉडल अलग-अलग रीज़निंग लेवल ऑफर करते हैं। उदाहरण के लिए, जल्दी से मौसम जानने के लिए Instant मोड का उपयोग होगा, जबकि गहन ब्रेनस्टॉर्मिंग (विचार-मंथन) के लिए High मोड पर स्विच किया जा सकता है।

वॉइस इंटरफेस में विज़ुअल बदलाव

जब GPT-Bidi-1 को चुना जाता है, तो वॉइस बबल/वेवफॉर्म इंडिकेटर का रंग पीला हो जाता है, जो डिफ़ॉल्ट रंग से अलग है। यह मॉडल सेटिंग्स के मॉडल-सेलेक्टर में मौजूदा स्टैंडर्ड वॉइस और एडवांस्ड वॉइस मोड के साथ एक नए ऑप्शन के रूप में दिखाई देगा, जिसका लेबल "Bidi (Latest)" होगा। यह उन्हें रिप्लेस (बदलने) के बजाय उनके साथ लिस्टेड होगा।

डेवलपमेंट टाइमलाइन और कॉम्पिटिटिव कॉन्टेक्स्ट

• 2026 की शुरुआत: OpenAI ने आंतरिक रूप से BiDi आर्किटेक्चर विकसित करना शुरू किया।
• 5 मार्च, 2026: द इंफॉर्मेशन ने रिपोर्ट किया कि OpenAI अपने वॉइस असिस्टेंट्स को बढ़ावा देने के लिए एक बिडायरेक्शनल ऑडियो मॉडल विकसित कर रहा है।
• 7 मई, 2026: OpenAI ने API में GPT-Realtime-2 की घोषणा की — GPT-5-क्लास रीज़निंग वाला इसका पहला वॉइस मॉडल, जिसने बिडायरेक्शनल क्षमताओं की नींव रखी।
• 16-17 जून, 2026: M1Astra और TestingCatalog ने सार्वजनिक रूप से पहली बार gpt-bidi-1 के कोड रेफरेंस देखे।
• 22-24 जून, 2026: यूजर रिपोर्ट और डेमो वीडियो सामने आए जिनमें बिडायरेक्शनल व्यवहार काम करता दिखा। कई आउटलेट्स ने बताया कि उसी सप्ताह के भीतर व्यापक रोलआउट हो सकता है।

कॉम्पिटिटिव कॉन्टेक्स्ट: बिडायरेक्शनल वॉइस पुश सीधे तौर पर Google (Gemini Live जो बीच में टोक सकता है), Anthropic और स्टार्टअप्स के रियल-टाइम वॉइस एजेंट्स की प्रगति का जवाब है। OpenAI अपनी टेक्स्ट इंटेलिजेंस (जो पहले से GPT-5.5-लेवल रीज़निंग पर काम करती है) के साथ वॉइस इंटरेक्शन में समानता लाने की होड़ में है।