豆包实时音视频通话模型1.0 API上线:可在连续多模态信息流实时交互
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。该模型将声音、画面、时序与表达统一到端到端模型中,可在连续多模态信息流上实时交互,并降低传统级联系统的延迟叠加和信息损耗,适用于语音助手、智能硬件、陪伴式应用和实时客服等场景。
凤凰网科技讯(编辑/云飞) 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。
据火山引擎介绍,SeedRealtime把声音、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”的体验,也大幅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。

火山引擎称,相比级联模型,SeedRealtime 1.0 的音视频对话节奏问题减少了一半,单次对话能够完整、顺畅交流的概率明显提升,可适用于语音助手、智能硬件、陪伴式应用、实时客服等场景。