字节跳动 Seed 团队发布 SeedRealtime：原生音视频全双工大模型，一个模型同时看、听、说
ByteDance Seed Introduces SeedRealtime: a Native Audio-Visual Full-Duplex LLM That Watches, Listens and Speaks in One Model
AI 导读字节跳动 Seed 团队推出 SeedRealtime，一款原生音视频全双工大模型，将音频、视频和文本统一在一个端到端架构中，并行处理感知、理解、决策与表达，并将轮次切换内化到模型内部，取代外部语音活动检测器。该模型已在豆包 App 中上线，但未发布技术报告、参数规模、开源权重或 API。字节内部人工评估显示，其节奏问题相比级联架构减半，但未提供基准分数或延迟数据。
另有 3 家信源报道
- 字节跳动发布原生音视频全双工模型 SeedRealtimeTesting Catalog · 8 月 5 日
- 字节跳动发布音视频全双工大模型 SeedRealtime，已上线豆包 AppIT之家·人工智能 · 8 月 5 日
- 字节 Seed 发布 SeedRealtime 音视频全双工大模型，走向全模态自然交互字节 Seed：Research Feed · 8 月 5 日
来源：MarkTechPost · marktechpost.com
事件后续1
查看事件全部- 字节 Seed 发布 SeedRealtime 音视频全双工大模型，走向全模态自然交互字节 Seed：Research Feed · 8 月 5 日