豆包SeedRealtime 1.0 API上线:端到端全模态实时交互

资讯 IT 产业观察 作者:牛科技 全文 404 字 · 约 2 分钟读完 配图 1 张 分类豆包字节跳动产品更新模型发布多模态

ITCOW牛新网 11月19日消息,火山引擎正式发布SeedRealtime 1.0(豆包实时音视频通话模型1 […]

所属频道 大厂动态产品更新模型发布国产大模型

11月19日,火山引擎正式发布豆包实时音视频通话模型1.0(SeedRealtime 1.0)的API。该模型走的是端到端路线,声音、画面、时序、表达被收进同一个模型里,能连续完成“边看、边听、边说”的多模态实时交互。

与传统的ASR‑VLM‑TTS模块级联方案不同,这套模型把多级串联造成的延迟叠加和信息损失消掉了。它不局限于被动应答,能持续感知场景,主动介入、适时给出反馈。音视频与时序信息被融在一起,同音词歧义因此得以消解,画面里的时序指代也能读懂;在嘈杂、多人的环境里,它能区分不同说话人,并理解上下文。

主动协作是它的另一项能力:用户不必逐条提问,模型会依据画面变化和任务节点主动提醒、给出建议,设备操作辅助、学习辅导、机场导览、家庭陪伴等场景都能用。抗干扰方面,背景杂音、旁人闲聊可以被过滤掉;相比级联方案,对话节奏问题减少一半,对话流畅成功率有所提升。面向开发者,该API可用于智能硬件、语音助手、陪伴应用、实时客服等业务开发。

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. 豆包,又来了个史诗级更新

    说起豆包,大伙估计都有这种刻板印象。 声音甜美,语气亲和,情绪价值拉满。 但幻觉贼拉严重。 想要接住所有人,最后往往谁都接不住,有种心有余而力不足的美感。 以....

    来源 腾讯网
  5. 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
  6. 刚刚,Gemini 4 Neon 突袭发布,性价比一夜斩杀 Opus 5.5

    谷歌发布 Gemini 4 Neon,主攻软件工程、知识工作与科学推理,提供百万上下文窗口,每百万输入、输出 Token 分别为 3 美元和 15 美元。新模型发布当天上线 Gemini App、AI Studio 和企业端 API,文章对比了其与 Claude Opus 5.5 等模型的表现。

    来源 爱范儿
  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. Liquid AI发布d1.2决策模型:校准误差0.8,低于Jev与GPT-6

    智东西(公众号:zhidxcom)编译 | 孙小雯编辑 | 程茜智东西11月17日消息,昨日,麻省理工学院(MIT)孵化的美国AI模型独角兽Liquid AI发布全模态决策模型d1.2和d1.2-ultra,两款模型均可处理文本、图像和音频。其中,d1.2-ultra在第三方评测机构Artificial Analysi

    来源 腾讯网
  9. 腾讯混元 Hy4 flash 上线首日登顶 OpenRouter,2 毛钱就能跑完一个任务!

    在全球知名大模型聚合平台 OpenRouter LLM 日排行榜上,腾讯混元最新发布的 Hy4 flash 成功登顶,成为全球开发者高频调用的首选轻量模型之一。 数据显示,Hy4 flash 上线首日,Token 调用量就突破 50 万亿,创下混元系列模型首日调用量新高。 这份成绩背后的一个重要原因就是,Hy4 fla

    来源 AI 行业观察
  10. 腾讯WorkBuddy日活破1000万:日均Token超100万亿,企业500强渗透过半

    腾讯2026年第三季度财报披露,AI助手WorkBuddy截至11月初日活突破1000万,日均Token调用量超100万亿,成为中国大语言模型日均Token用量最高的AI产品。自今年3月发布以来,它已完成100多个大版本更新,迭代迅速;C端火热同时,B端也在拓展,开放平台上线仅两个月,Buddy应用已取得进展。

    来源 AI 产业速递
  11. Gemini 4 Neon发布:跑分逼近旗舰,单任务成本砍半

    作者|Wildcard编辑|靖宇谷歌,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

    来源 腾讯网
  12. 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
  13. 范式发布Phai系列模型:语言模型提速8-10倍,视频模型弱化AI感

    11 月 18 日,范式智能无预告发布了自己的两款 Phai 系列模型:语言模型 Phai-A1 主打“快”,官方口径是同等质量下响应速度比同参数级别模型快 8–10 倍;视频模型 Phai-M1 主打“真”,即 AI 感更弱、画风细腻。 两款模型上线后,很快引起了 AI 圈的关注。部分网友甚至反应当天体验入口的服务器

    来源 AI 行业观察
  14. 豆包工作、千问办公集体接入第三方模型:办公Agent转向任务入口之争

    11月中旬,国内办公智能体赛道发生了一个微妙但具有分水岭意义的转折。 11月12日,字节跳动旗下豆包工作宣布接入Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash等多款第三方模型,并在模型选择页面标注各模型的“额度消耗倍率”,让用户在任务需求与使用成本之间自行权衡。四天后的11月16日,

    来源 AI 行业观察
  15. GPT 像极了“五条人”:刚想淘汰它,6.2-Sol 又杀回我的主力工位了

    哈喽,大家好,我是刘小排。就在刚才(北京时间 11 月 18 日凌晨),OpenAI 发布了两个新模型:GPT-6.2 Sol 和 GPT-6.2 Astra。这个模型是今天凌晨刚发布的,现在也是北京时间的凌晨。它一上线,我就把手里憋了好几个月的 GPT-6.1 时代的 bad case 一口气全扔给它,结果它都做得还

    来源 腾讯网
  16. LlamaIndex发布OCRia-1.5,NVIDIA推Cosmos数据工厂

    本期速报关注文档解析与合成数据的新进展。LlamaIndex推出OCRia-1.5模型家族,提升复杂表格解析精度;Google DeepMind上线Genie 4,支持原生音频与实时编辑;NVIDIA发布Cosmos Data Factory蓝图,通过Prompt生成含稀有事件的训练数据。此外,Gemini应用适配低内

    来源 AI 应用前沿
向下滚动自动加载更多