火山引擎上线豆包实时音视频通话模型 SeedRealtime 1.0 API · · Nov 19, 2026 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)、视觉语言模型(VLM)以及语音合成(TTS)等多个模块串联起来。

这种级联处理方式不仅容易引入额外的响应延迟,还可能在模块传递过程中造成信息与情感细节的损耗。 SeedRealtime1.0则采用了不同的思路,将声音、画面、时序与表达统一整合到同一个端到端模型之中。凭借这一架构,模型能够实现“边看、边听、边说”的实时多模态交互,在降低级联延迟的同时,也有效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 通过开放 API 服务,火山引擎将这一端到端实时音视频能力向外部生态输出。

无论是智能助手、实时陪伴还是各类需要同步感知视觉画面与语音输入的交互场景,都能借助该模型进一步提升响应的自然度与连贯性。 火山引擎 豆包 SeedRealtime1.0 实时多模态交互 本文来自AIbase日报 扫码查看 欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南,每天我们为你呈现AI领域的热点内容,聚焦开发者,助你洞悉技术趋势、了解创新AI产品应用。 —— 由AIbase 日报组创作