Os bastidores da OpenAI indicam que a empresa está prestes a implementar a maior reformulação em sua infraestrutura de áudio desde a estreia do Modo de Voz Avançado. Linhas de código ocultas na interface web e testes de campo distribuídos para um grupo restrito de usuários revelaram a existência do GPT-Bidi-1 (ou simplesmente Bidi 1), um modelo de voz de nova geração baseado em arquitetura bidirecional.
A mudança técnica é estrutural: em vez de alternar entre blocos de envio e recebimento de dados, o ChatGPT passa a processar fluxos de áudio de entrada e saída de forma simultânea. O avanço faz parte de uma estratégia agressiva para aproximar a camada de processamento de voz da maturidade dos modelos de texto, consolidando a fala como a interface primária de navegação do ecossistema.
A atual tecnologia de conversação do ChatGPT opera sob um sistema de alternância de canais que, embora rápido, ainda replica o comportamento de um rádio transmissor (onde um lado precisa cessar a transmissão para que o outro comece). O Bidi 1 quebra essa barreira ao permitir que o assistente fale, ouça e processe dados simultaneamente.
