字節跳動Seed團隊發布原生音視頻全雙工大模型SeedRealtime，透過統一架構融合音頻、視頻及文字，可在連續多模態資訊流中即時互動，支援「邊看、邊聽、邊說」。
模型可結合畫面與聲音理解時序指代及同音詞，並持續感知環境變化，在關鍵目標出現時主動提醒或調用工具。SeedRealtime亦能判斷用戶說話狀態，在適當時機接話、停頓及回應，同時識別背景噪音與旁人對話，降低誤觸發情況。
字節跳動表示，端到端人工評測顯示，相較級聯模型，SeedRealtime的音視頻對話節奏問題減少約一半，搶話、回應延遲及噪音干擾等現象明顯改善，完整順暢完成單次對話的比例亦有所提高。
目前SeedRealtime已在豆包App全面上線。用戶更新至最新版本後，可在對話框選擇「 打電話 」，進入視頻通話介面使用。
字節跳動Seed團隊發布原生音視頻全雙工大模型SeedRealtime。（網絡圖片)
估值已突破6,000億美元
估值已突破6,000億美元
支援原生1080P輸出
支援原生1080P輸出
AI重投拖累利潤表現
AI重投拖累利潤表現
定位為雲端版OpenClaw
定位為雲端版OpenClaw
Grok卻呈現左右雙重人格
自主網攻至少五家公司
阿里千問辦公上線搶攻AI生產力市場
美股估值過熱惹憂
小米手機年內第三度加價
國家超算互聯網提供API服務
AI泡沫、戰火與加息陰霾未散
官媒警告慎防「一哄而上」
下載APP