OpenAI GPT-Bidi-1 雙向語音模型完整解析：ChatGPT 語音互動的下一代革命

OpenAI 正準備為 ChatGPT 推出有史以來最大規模的語音模式升級：一款內部代號為 GPT-Bidi-1 的雙向音訊模型。與過去所有 ChatGPT 語音模式不同——這些模式都必須等使用者說完才能回應——GPT-Bidi-1 可以同時聽與說，能吸收打斷、即時修正錯誤，並在不停頓音軌的情況下動態調整回覆內容。

本文將完整說明 GPT-Bidi-1 如何被發現、它與傳統輪流語音模式的差異、所引入的三種智能等級、ChatGPT 介面的視覺變化，以及其開發的競爭背景。該模型尚未獲得 OpenAI 官方正式宣布，因此所有細節皆來自程式碼線索、UI 參考資料、使用者回報及媒體分析。

GPT-Bidi-1 是如何被發現的

發現的源頭始於開發者 M1Astra，他首先在 ChatGPT 的應用程式碼中發現了 gpt-bidi-1 的參考字串，並在 X 平台上分享此發現。追蹤網站 TestingCatalog 隨後確認了這個模型名稱，同時還發現了描述為「下一代語音」和「智能的重大躍進」的公告文字。

接著，在網頁版與行動版 ChatGPT 客戶端中都找到了相關的程式碼和 UI 元素。從 2026 年 6 月下旬開始，少數使用者已能進行有限測試。 到了 2026 年 6 月 22 日至 24 日期間，多份使用者回報與示範影片開始出現，實際展示了該模型的雙向運作方式。

注意：OpenAI 尚未發布官方公告。模型的最終名稱、確切的等級運作方式以及正式推出日期，目前仍未獲得該公司證實。

雙向語音與傳統輪流模式有何不同

現有的 ChatGPT 語音模式——標準語音與進階語音模式——採用的是輪流的對話模式。模型必須等使用者說完才能回應。GPT-Bidi-1 的雙向（BiDi）架構則讓模型能同時處理兩條音訊串流：使用者的聲音以及它自己的聲音。

根據示範中所報導的關鍵行為差異：

• 即時打斷處理：模型可以在對話中途吸收打斷，並動態調整回應，不會因此卡頓或中斷音軌。
• 即時修正：在測試中，GPT-Bidi-1 能與使用者一起從 1 數到 10，並在使用者中途打斷要求倒數時，立刻切換成倒數。
• 自然的對話重疊：AI 助理可以在使用者還在說話的同時回應，讓對話更貼近真實的人類交談。

OpenAI 的內部目標是縮小 ChatGPT 語音技術（落後於已達 GPT-5.5 等級推理能力的文字模型）的差距，讓即時對話的智慧表現與文字能力保持一致。

三種可選擇的智能等級

GPT-Bidi-1 是第一款在語音端導入三種可選擇的智能與速度等級的 OpenAI 語音模型：

等級	說明
高（High）	最大推理深度，回應較慢——適用於複雜分析任務
中（Medium）	智慧與速度之間的平衡取捨
即時（Instant）	最快的回應速度，推理能力較低——適合輕鬆或時間敏感的互動

這個等級系統讓使用者能根據任務需求，調整互動深度與延遲之間的取捨，類似 ChatGPT 文字模型所提供的不同推理等級。 例如，快速查詢天氣時可使用「即時」模式，而進行深度腦力激盪時則可切換到「高」模式。

語音介面的視覺變化

當選取 GPT-Bidi-1 時，語音氣泡/波形指示器會變成黃色，而非目前的預設顏色。 該模型在設定的模型選擇器中，會以一個新的 「Bidi（最新）」 選項呈現，與現有的標準語音和進階語音模式並列，而非取代它們。

開發時程與競爭背景

• 2026 年初：OpenAI 開始內部研發 BiDi 架構。
• 2026 年 3 月 5 日：The Information 報導 OpenAI 正在開發一款雙向音訊模型，以提升其語音助理的能力。
• 2026 年 5 月 7 日：OpenAI 在 API 中宣布推出 GPT-Realtime-2——這是第一款具備 GPT-5 等級推理能力的語音模型，為雙向功能奠定了基礎。
• 2026 年 6 月 16 日至 17 日：M1Astra 和 TestingCatalog 首次公開發現 gpt-bidi-1 的程式碼參考資料。
• 2026 年 6 月 22 日至 24 日：使用者回報與示範影片出現，展示了實際的雙向行為。多家媒體報導，更廣泛的推出可能在同週內發生。

競爭背景：這次的雙向語音功能，是直接回應來自 Google（具備打斷功能的 Gemini Live）、Anthropic 以及新創公司的即時語音代理等競爭對手的技術進展。OpenAI 正積極將其文字智慧（已支援 GPT-5.5 等級推理能力）的優勢，擴展到語音互動領域。