字节跳动推出SeedRealtime音视频全双工大模型

【快讯】8月5日，据字节跳动Seed官方消息，原生音视频全双工大模型SeedRealtime今日正式发布。该模型核心亮点是将声音、画面、时序与表达统一到同一个端到端模型中，摒弃传统模型先完整接收音视频信息再生成回复的运行逻辑，实现感知、理解、决策与表达同步并行。

据介绍，SeedRealtime是走向全模态交互的关键一步，在业界率先实现了音视频全双工技术的规模化落地，依托统一架构原生融合音频、视频与文本，能在连续的多模态信息流上实时交互，带来“边看、边听、边说”的全新体验。目前， SeedRealtime已在豆包App全量上线。

SeedRealtime实现了三大突破：音视频联合理解、主动的交互能力、流畅的交互节奏。

端到端人工评测数据显示，对比级联式多模态模型，SeedRealtime的对话节奏违和问题降低五成，大幅改善中途抢话、回复延迟、噪音误触发等常见卡顿问题，完整顺畅完成一轮对话的概率明显提升。