火山引擎上线 SeedRealtime 1.0 API:端到端打通音视频通话

资讯 AI 开发者社区 作者:编程导航 全文 455 字 · 约 2 分钟读完 配图 1 张 分类豆包字节跳动产品更新多模态语音

实时多模态交互正在向更自然、更流畅的方向迈进。火山引擎近日正式上线了豆包实时音视频通话模型 SeedRealtime1.0的 API 服务,为开发者和相关应用提供了全新的实时音视频交互能力。 端到端统一建模:打破传统级联链路瓶颈 在过去的语音与多模态交互架构中,系统往往需要将语音识别(ASR)、视觉

所属频道 大厂动态产品更新模型发布国产大模型

火山引擎近日正式上线豆包实时音视频通话模型 SeedRealtime1.0 的 API 服务,开发者和相关应用由此获得了新的实时音视频交互能力。实时多模态交互,正朝着更自然、更流畅的方向走。

过去搭语音和多模态交互架构,通常要把语音识别(ASR)、视觉语言模型(VLM)、语音合成(TTS)几个模块串成一条链。这种级联处理容易多出响应延迟,模块之间传来传去,还可能把信息和情感细节磨掉。

SeedRealtime1.0 换了做法:声音、画面、时序与表达,全部收进同一个端到端模型。靠这套架构,模型能“边看、边听、边说”,级联带来的延迟降了下来,跨环节的信息损耗也少了。

这一端到端实时音视频能力,通过开放 API 服务向外部生态输出。智能助手、实时陪伴,以及其他需要同步感知视觉画面与语音输入的交互场景,都可以借该模型把响应的自然度和连贯性再往上提。


本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 火山引擎上线豆包实时音视频通话模型 SeedRealtime 1.0 API

    实时多模态交互正朝更自然、流畅演进。火山引擎正式上线豆包实时音视频通话模型 SeedRealtime1.0 的 API 服务,为开发者与应用提供全新实时音视频交互能力。该模型采用端到端统一建模,打破传统语音及多模态架构中 ASR、VLM、TTS 等多模块串联的级联链路瓶颈,减少级联处理带来的问题,提升实时交互体验。

    来源 AI 产业速递
  2. 豆包实时音视频通话模型 1.0 API 全量上线,可实现边看边听边说全模态实时交互

    IT之家 11 月 19 日消息,今天,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

    来源 AI 行业观察
  3. 火山引擎上线豆包实时音视频通话模型API服务

    36氪获悉,火山引擎正式上线豆包实时音视频通话模型(SeedRealtime1.0)API服务,带来全模态交互的新体验。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。

    来源 AI 行业观察
  4. 字节、腾讯同时披露核心数据,AI办公进入实战期

    11月18日,字节跳动旗下豆包工作宣布,上线三个月以来,日活跃用户数(DAU)突破800万,企业客户年度经常性收入(ARR)突破20亿元。豆包工作是豆包面向生产力场景推出的AI产品及品牌。同日,腾讯控股(0700.HK)披露,截至11月初,WorkBuddy日活跃用户数已超过1000万,用户日均token(词元)调用量

    来源 腾讯网
  5. 「北美大豆包」谷歌,终于杀回 AI 牌桌中央

    谷歌,这次是真的回来了。 11 月 18 日,Google DeepMind 点亮了Gemini 4 Neon的霓虹灯牌。 这是 Gemini 4 系列在短短 7 周内甩出的第 4 款元素模型。如果看一眼官方放出的基准跑分长表和社区实测反馈,你会发现它精准卡在了一个极其舒服的「甜点」位上,既有接近、甚至局部反超旗舰的硬

    来源 AI 行业观察
  6. 莫少君接手抖音生活服务,豆包能成为他的胜负手吗?

    眼看交易规模即将追平美团,抖音生服却换下了掌门人。 据36氪报道,浦燕子不再担任抖音生活服务总裁,转任公司顾问,后续参与公益相关工作,职务由红果短剧负责人莫少君接任。 对此,抖音回应字母榜称,此次调整属于正常的管理岗位轮换与交接,生活服务是公司长期发展方向之一,对该板块会持续投入、长期经营。 浦燕子是2023年11月开

    来源 AI 行业观察
  7. 当AI办公接入同样的模型,竞争回到了老问题上

    这是难得一见的一幕。因为AI的出现,中国的几家大公司近期先后调整了AI办公业务的组织架构。 7月底,字节跳动启动组织调整,整合豆包、飞书和火山引擎的力量,9月CEO梁汝波在飞书大会上首次系统阐释了这一安排;腾讯的WorkBuddy由马化腾亲自参与产品会议,QClaw相关业务和团队也并入这条线;阿里把三款产品合并成千问办

    来源 AI 行业观察
  8. 月之暗面 API 服务可用性低,官方调查中

    IT之家 11 月 19 日消息,据月之暗面官网仪表板页面更新,从今日 17:25 开始,月之暗面 API 服务可用性低,可能会影响您的使用体验,官方已在调查中。 IT之家注意到,Kimi Code 的 K3 模型今日也遭遇部分中断现象。 截至发稿,上述问题尚未解决。IT之家将持续关注,第一时间带来最新状况更新。

    来源 AI 行业观察
  9. 陈林二次创业押注AI教育,“银河智学”能否跑通?

    点击 Tech星球 > 点击右上角“···” > 设为星标 Tech星球(微信ID:tech618)文 | 翟元元封面来源 | 豆包AI创业两年之后,陈林正式公开创业项目。11月9日,字节跳动旗下今日头条前CEO、原大力教育CEO陈林发布长文《我为什么还要做教育?》,正式宣布已于2024年开启二次创业,方向为AI教育,

    来源 腾讯网
  10. AI下棋能打败人类,但不会数13个鸡蛋~

    今天上班找选题(摸鱼),突然刷到一位网友提问:让豆包生成一张「盒子里有 13 个鸡蛋」的图片,豆包连续十几次纠错仍未能数清,这是为什么?小编立刻打开豆包试了试,果然和网友测试的一样,明确告诉豆包生成 13 个鸡蛋,但豆包只生成了 12 个。我不服,换成阿里千问试试,它一边和我说“瞧好吧”,一边生成了 10 个鸡蛋。..

    来源 腾讯网
  11. AnthropicIPO定价83美元:估值1.5万亿,80余人联名质疑安全性

    就在定价公布同一天,一份名为《MisAnthropic Statement》的公开声明在misanthropicstatement.com上线,由AI安全中心推动、80余名跨阵营人士联署,开篇即给出结论:“Anthropic is not a safe AI company”——史上最大IPO与史上罕见的跨阵营围剿,在

    来源 TechWeb
  12. iPhone Air2、iPhone 18标准版确认春季发布,前者升级幅度巨大

    随着新机发布时间临近,苹果供应链已开始为下一代iPhone量产做准备。据ETNews披露,三星显示和LG Display均已着手准备OLED面板生产计划,两家供应商的生产安排一致指向2027年3月的新品发布窗口——标准版iPhone 18与超薄机型iPhone Air 2,将跳过今年秋季,在2027年春季与消费者见面。

    来源 TechWeb
  13. iPhone 18标准版与Air 2定档2027年春季:Air 2升级双摄、更薄机身

    随着新机发布时间临近,苹果供应链已开始为下一代iPhone量产做准备。据ETNews披露,三星显示和LG Display均已着手准备OLED面板生产计划,两家供应商的生产安排一致指向2027年3月的新品发布窗口——标准版iPhone 18与超薄机型iPhone Air 2,将跳过今年秋季,在2027年春季与消费者见面。

    来源 TechWeb
  14. 苹果2027年春季发新机:iPhone 18标准版与Air 2,三星LG面板先行

    【TechWeb】随着新机发布时间临近,苹果供应链已开始为下一代iPhone量产做准备。据ETNews披露,三星显示和LG Display均已着手准备OLED面板生产计划,两家供应商的生产安排一致指向2027年3月的新品发布窗口——标准版iPhone 18与超薄机型iPhone Air 2,将跳过今年秋季,在2027年

    来源 AI 行业观察
向下滚动自动加载更多