OpenAI готовит революцию в голосовом общении с ИИ
OpenAI разрабатывает новую аудиомодель с двунаправленной связью (BiDi), которая должна сделать диалог с искусственным интеллектом по-настоящему естественным.
В чём отличие от текущих решений
Сегодняшние голосовые ассистенты работают по схеме «вопрос — пауза — ответ». ИИ ждёт, пока пользователь закончит фразу, и только потом начинает обработку.
BiDi-модель устроена иначе: она анализирует речь непрерывно и может адаптироваться к диалогу в реальном времени. Если собеседник перебивает или меняет тему, система скорректирует ответ на лету — как в живом разговоре.
В OpenAI признают: текущие аудиомодели уступают текстовым по точности и скорости. Во время тестирования прототипы начинали сбоить уже через несколько минут диалога.
По этой причине релиз перенесли с первого на второй квартал 2026 года, возможно ещё позже.
Это уже не первая задержка: ранее откладывали запуск Advanced Voice Mode для GPT-4o из-за ошибок в инфраструктуре и системах безопасности. В ранних тестах фиксировали имитацию голоса пользователя и неожиданные выкрики системы.
Новая модель — часть стратегии OpenAI по выходу на рынок потребительской электроники. В течение года компания планирует представить:
• Персональное аудиоустройство • Умные колонки • Умные очки
Для гаджетов и автомобилей создаются облегчённые версии моделей с локальной обработкой аудио. Это снизит затраты по сравнению с облачными вычислениями — подход, который уже использует Google с моделью Gemini Nano в смартфонах Pixel.
Для ускорения разработки все инженеры, исследователи и продукт-менеджеры объединены в единую команду, сфокусированную на аудиорешениях.
