火山引擎上线豆包实时音视频通话模型 SeedRealtime 1.0 API
火山引擎上线豆包实时音视频通话模型 SeedRealtime 1.0 API,向开发者开放端到端实时音视频交互能力,旨在提升智能助手与实时陪伴等场景的响应自然度与连贯性。
海宇数科 · 事件日期 · 约 1 分钟 · 3 次阅读

实时多模态交互朝着更自然流畅的方向演进。火山引擎上线了豆包实时音视频通话模型的 API 服务,模型名为 SeedRealtime 1.0。该模型提供实时音视频交互能力,面向开发者与应用开放。
端到端统一建模:打破传统级联链路瓶颈
此前的语音多模态架构将多个模块串联起来,依次经过 ASR、VLM 和 TTS 等环节。这种级联处理方式会带来响应延迟,模块之间的信息传递也会造成信息损耗和情感细节损耗。
SeedRealtime 1.0 采用端到端模型,将声音与画面、时序与表达整合在一起,能够边看边听边说。这一设计降低了级联延迟,也减少了跨环节的信息损耗。
应用价值:赋能更自然的实时音视频场景
通过 API 服务开放能力,火山引擎向外部生态输出端到端的实时音视频能力。该能力适用于智能助手、实时陪伴以及同步感知视觉与语音等场景,可提升响应的自然度和连贯性。
