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。
「多模态」频道最新
- SiT-XL/2 迟滞校正 25 步 FID 从 28.0 降到 8.7 — cloneofsimo · 2026-11-19
- Midjourney v8.2 写实人像 prompt 分享:晨间浴室生活感大片 — tisch_eins · 2026-11-19
- TRELLIS.2 CUDA 内核上线 HF kernels:BVH 构建 7.1 秒降至 5 毫秒 — ariG23498 · 2026-11-19
- Remotion 上线真·运动模糊:可让 AI agent 一句话自动添加 — Vjeux · 2026-11-19
- 用 Claude 造出虚拟歌手 Claudia:3723 张图、10 支 MV 全开源 — AIandDesign · 2026-11-19
- 小说家用一张 3090 无头跑 Wan 2.2 配 Claude Code 拍短片 — HeyItsParag · 2026-11-19