火山引擎上线豆包 SeedRealtime 1.0:端到端边看边听边说

火山引擎 · wechat · 2026-11-19

火山引擎正式发布豆包实时音视频通话模型 SeedRealtime 1.0 的 API 服务,将声音、画面、时序与表达统一到同一个端到端模型,取代 ASR+VLM+TTS 级联方案,降低延迟与信息损耗。模型具备持续环境感知与主动开口能力,可区分多人身份、结合视觉消解歧义、过滤背景噪声。文章给出 6 个场景案例:多人聚餐定制方案、菜單翻译讲解、咖啡制作主动提醒、学习场景监控翻页并报训练参数、机场嘈杂环境指路、儿童英语陪学纠音等。相比级联模型,音视频对话节奏问题减少一半。

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →