AI最前沿 88Z.ai 8 月 5 日消息，字节跳动Seed推出原生音视频全双工大模型SeedRealtime，基于统一架构融合音频、视频与文本，实现实时多模态交互。
消息要点
- 基于统一架构原生融合音视频文本，支持边看边听边说的实时交互
- 端到端评测显示对话节奏问题较级联模型减少一半
要点
字节跳动Seed团队正式发布了名为SeedRealtime的原生音视频全双工大模型。该模型采用统一架构，从底层原生融合了音频、视频和文本数据，从而支持用户在进行实时多模态交互时，能够同时实现观看、聆听和说话的自然体验。 SeedRealtime具备三大核心能力：音视频联合理解、主动交互以及流畅的对话节奏。端到端评测结果表明，相较于传统的级联模型，SeedRealtime在对话节奏方面的问题减少了一半，显著提升了交互的连贯性和自然度。
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。
- 字节跳动Seed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。