字节跳动发布音视频全双工大模型SeedRealtime

字节跳动正式推出原生音视频全双工大模型SeedRealtime。SeedRealtime用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。端到端人工评测结果显示，相比级联模型，SeedRealtime的音视频对话节奏问题减少了一半——模型对说话时机的把握更加自然，“话未说完被抢断、话音已落却回应迟缓、或是被背景杂音与闲聊误触发”等卡壳现象显著减少；同时，单次对话能够完整、顺畅交流的概率也有明显提升。