关于ZAKER Skills GEO服务 合作
瑞财经 14小时前

豆包实时音视频通话模型 1.0 API 上线,支持全模态交互

瑞财经 刘治颖 11 月 19 日,火山引擎正式上线豆包实时音视频通话模型(SeedRealtime 1.0)API 服务,带来全模态交互的新体验。

据介绍,SeedRealtime 将声音、画面、时序与表达统一到同一个端到端模型中,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。

这大大降低了传统语音级联系统依赖 ASR、VLM、TTS 等多个模块串联带来的延迟叠加和信息损耗。模型不再只是等待用户提问,而能持续理解场景变化,在合适的时机主动开口,把看、听、说纳入同一套实时决策体系,让 " 听到的 " 和 " 看到的 " 共同参与每一次实时判断与表达。

SeedRealtime 原生支持声音、画面与时序信息的深度融合,既能结合场景消解同音词歧义,也能准确理解视觉中的时序指代,让所见、所闻与所说融为一体。这意味着,在多人、嘈杂、开放的真实环境中,模型不仅能看懂当前画面,还能分清说话对象、理解上下文关系,并基于多模态信息完成更准确的实时判断。

Seed Realtime 1.0 具备持续环境感知与主动表达能力,能够在察觉关键目标出现、画面状态变化或任务节点到来时,主动进行提醒、反馈和补充,让交互从被动响应升级为主动协作。这种能力让模型可以更好适配真实业务流程。

Seed Realtime 1.0 能够实时感知用户的对话状态与交流节奏,在适当时机自然接话、停顿与回应,并具备较强的抗干扰能力,可分辨旁人闲聊与背景噪声,不因干扰误触发。

北京火山引擎科技有限公司成立于 2020 年 5 月,注册资本 10 亿元,法定代表人为李飞,经营范围包含:网络与信息安全软件开发;计算机软硬件及辅助设备批发;计算机软硬件及辅助设备零售等。该公司由抖音有限公司间接持股 100%。

瑞财经

瑞财经

中国新锐财经新媒体,关注公司热点。

订阅

觉得文章不错,微信扫描分享好友

扫码分享

热门推荐

查看更多内容

企业资讯

查看更多内容