字节跳动发布 SeedRealtime 模型，实现音视频全双工交互

字节跳动旗下 Seed 团队推出原生音视频全双工大模型 SeedRealtime，该模型采用统一架构融合音频、视频与文本，支持连续多模态信息流上的实时交互。模型具备音视频联合理解能力，可结合场景消解同音词歧义，并理解视觉时序指代。同时，它拥有主动交互能力，能感知环境变化并主动提醒，还能调用工具增强表达。在交互节奏上，SeedRealtime 能实时感知对话状态，自然接话或停顿，并具备抗干扰能力，避免误触发。据端到端评测，与级联模型相比，其对话节奏问题减少一半，单次对话顺畅完成概率显著提升。目前，SeedRealtime 已在豆包 App 全量上线，用户更新至最新版本后，在对话框选择“打电话”即可体验视频通话功能。