AI最前沿 88Z.ai 11 月 19 日消息,火山引擎发布豆包实时音视频通话模型 SeedRealtime 1.0 API,通过端到端架构统一处理视听与表达,支持低延迟实时交互及主动场景理解。
消息要点
- 端到端模型统一视听表达,降低交互延迟与损耗
- 支持场景持续理解与主动开口,涵盖多人区分等应用

要点
火山引擎正式全量上线豆包实时音视频通话模型 SeedRealtime 1.0 API。该模型采用端到端架构,将声音、画面、时序数据与语言表达统一整合,支持连续多模态信息流的实时交互。这种设计让用户能够同时实现看、听、说,有效降低了传统多模块串联方式带来的延迟与信息损耗。模型具备持续理解场景的能力,并能主动发起对话。官方通过六个案例展示了其实际应用效果,包括在多人聚餐场景中区分不同人物、为用户定制旅行方案,以及对川菜馆菜单进行翻译和讲解等功能。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述,未将其视为本站实测或独家采访结论。
- 火山引擎原始资料发布于
以上日期为原始资料发布日期;标题下方日期为本文在 AI最前沿的发布时间。