Ist es Ihnen schon einmal passiert, dass Sie einem Sprachassistenten ins Wort gefallen sind und er daraufhin völlig eingefroren ist? OpenAI will dem ein Ende setzen. Das Unternehmen entwickelt ein neues Sprachmodell mit der Arbeitsbezeichnung GPT-Bidi-1, und allem Anschein nach handelt es sich um die größte Verbesserung des Sprachmodus von ChatGPT seit Monaten.
Die Abkürzung verweist auf eine wechselseitige, sogenannte bidirektionale Architektur, an der OpenAI bereits seit Anfang dieses Jahres arbeitet. Das Modell ist darauf ausgelegt, gleichzeitig zuzuhören und zu sprechen. Wenn Sie es mitten im Satz unterbrechen, friert es nicht ein. Stattdessen nimmt es Ihre Anmerkung auf und passt sich fließend an, sodass das Gespräch eher dem Austausch mit einem Menschen gleicht als mit einem Automaten, der darauf wartet, dass Sie ausgeredet haben.
Hinweise auf das neue Modell tauchen inzwischen sowohl in der Web- als auch in der Mobilversion auf. Das ist üblicherweise ein recht zuverlässiges Signal dafür, dass die Einführung für reguläre Nutzer bevorsteht. Der Name selbst kann sich vor dem Start jedoch noch ändern, daher ist bei „GPT-Bidi-1“ vorerst Vorsicht geboten.
OpenAI hat eine beträchtliche Lücke entstehen lassen. Während die Textmodelle bis zur Generation GPT-5.5 vorangeschritten sind, verblieb die Sprachfunktion auf einer älteren Audioebene. Gesprochene Unterhaltungen hinkten damit den Fähigkeiten desselben Assistenten beim Schreiben einen Schritt hinterher. Und das stört das Unternehmen. Es setzt nämlich darauf, dass Sprache und nicht das Schreiben zum wichtigsten Weg wird, über den Menschen mit künstlicher Intelligenz interagieren. Darauf basieren auch die geplante, auf Audio ausgerichtete Hardware sowie Sprachwerkzeuge für den Support. GPT-Bidi-1 soll diese Lücke schließen. Es verspricht flüssigere Gespräche und zugleich einen deutlichen Sprung bei der Denkfähigkeit.
Wie wird die Funktion in der Praxis aussehen? Die Konturen zeichnen sich allmählich ab. ChatGPT-Nutzer werden die heutige Anordnung höchstwahrscheinlich beibehalten. Sie werden zwischen dem neuen Modus Bidi (Latest) und dem aktuellen erweiterten Sprachmodus wechseln können, sodass niemand zwangsweise umgestellt wird.
Am interessantesten ist die Auswahl der Intelligenzstufen. OpenAI wird drei anbieten: hoch, mittel und sofort. Damit übernimmt das Unternehmen die Abstufung, die bereits von der Textseite bekannt ist, und ermöglicht es den Nutzern, je nach aktuellem Bedarf Geschwindigkeit gegen Tiefe einzutauschen. Brauchen Sie schnell eine Antwort? Dann wählen Sie „sofort“. Soll sich das Modell Zeit zum Nachdenken nehmen? Dann wählen Sie „hoch“.
Dass jemand an einer Neugestaltung arbeitet, deutet auch eine kleine Neuerung der jüngsten Zeit an. Die Sprachblase lässt sich nun in die Mitte des Bildschirms ziehen. Das wirkt wie das erste Teil desselben Puzzles. Wann genau die Funktion verfügbar sein wird, ist bislang unklar. Ob es diese Woche losgeht oder erst später, lässt sich nicht sagen. Die Grundlagen werden jedoch offensichtlich bereits gelegt.
Quellen: testingcatalog.com und thewincentral.com
