SeedRealtime 相关 AI 资讯 · AITOP · AI热报

8月10日

13:55

13:55

官方一手marktechpost@Michal Sutter

精选

字节跳动Seed团队发布SeedRealtime，一款原生音视频全双工大语言模型。该模型在统一架构中融合音频、视频与文本，可对连续多模态流进行实时交互，而非逐轮问答。官方宣称三项突破，包括联合音视频理解。Seed表示这是迈向全模态交互的一步。

AI模型 SeedRealtime 字节跳动多模态

推荐理由：SeedRealtime一个模型能看能听能说，实时双向对话不轮流，字节跳动Seed出品。

8月6日

17:42

17:42

向阳乔木@vista8

76°

字节跳动 SeedRealtime 原生音视频全双工大模型已随豆包 App 最新版全量上线。该模型支持持续视觉感知，用户说“看到错金银铜虎噬鹿屏座就提醒我”，逛展时镜头扫到展品会自动出声提醒。实测中，豆包能边看 YouTube 边回答画面中人物身份，还能解读一闪而过的图表。官方称下一步重点是降低延迟、更自然的节奏，以及多人复杂场景的稳定性。

AI产品豆包 SeedRealtime 字节跳动

推荐理由：豆包视频通话上新SeedRealtime，能看着画面主动提醒你找展品，看视频也能实时问答，更新App就能试。

17:13

17:13

向阳乔木@vista8

SeedRealtime 将声音、画面、时序与表达纳入同一个模型，听、看、理解、推理、说话全在一个模型内完成。相比主流多模块级联（ASR 转文字、VLM 理解画面、TTS 合成语音）或依赖外置 VAD 的半双工逻辑，SeedRealtime 在连续音视频流上同步进行感知、理解、决策与表达。实测中，用户指着天龙功放按键问“这个怎么弄”，模型能结合画面、手势和视线方向判断指代。据称 OpenAI GPT Live 仍是音频全双工，SeedRealtime 做到了视频、音频、文本的全模态全双工。

AI模型 SeedRealtime OpenAI GPT Live 多模态

推荐理由：SeedRealtime 一个模型同时搞定看和听，你指着东西问它“这个怎么弄”，它能结合手势秒懂，比 GPT Live 多了视频全双工。

17:12

17:12

向阳乔木@vista8

豆包 App 的视频通话功能已全量上线，基于 SeedRealtime 原生音视频全双工大模型。实测中，豆包能识别 YouTube 视频中的人物并正确回答身份，还能解读一闪而过的图表内容。对话延迟低，语音自然，没有 GPT Live 的“老外腔”。用户更新到最新版后，点击“打电话”图标并开启摄像头即可使用。

AI产品豆包 SeedRealtime GPT Live

推荐理由：豆包 App 上线了视频通话，能边看视频边提问，认人、读图表都行，延迟低，比 GPT Live 更自然，不用内测直接玩。

8月5日

15:12

15:12

小互@imxiaohu

字节跳动推出原生音视频全双工模型SeedRealtime，对标OpenAI的GPT Live。该模型支持同时处理摄像头画面、语音输入和语音输出，实现实时视频对话。在四人聚餐场景中，模型能识别用户逐一介绍的人物，并在多人讨论中持续区分说话者身份。目前该能力已集成到豆包应用，用户可直接体验实时语音视频聊天。

AI模型 SeedRealtime 字节跳动豆包

推荐理由：字节发了SeedRealtime，能一边看你手机摄像头画面一边听你说话一边回你，豆包里直接用，跟GPT Live一个路子。

12:14

12:14IT之家（博客/媒体）

字节跳动 Seed 于 8 月 5 日发布原生音视频全双工大模型 SeedRealtime，用统一架构融合音频、视频与文本。SeedRealtime 支持边看、边听、边说，能结合画面消解同音词歧义，并在关键目标出现时主动提醒。端到端人工评测显示，相比级联模型，SeedRealtime 的音视频对话节奏问题减少了一半。目前 SeedRealtime 已在豆包 App 全量上线，更新后选择“打电话”即可体验视频通话。

AI模型 SeedRealtime 字节跳动豆包

推荐理由：字节跳动把SeedRealtime塞进豆包，打电话就能边看边聊，比级联模型卡壳少一半。