火山引擎 11 月 19 日全量上线豆包实时音视频通话模型(SeedRealtime 1.0)API,将声音、画面、时序与表达统一到同一个端到端模型,支持边看边听边说的实时全模态交互。相比依赖 ASR、VLM、TTS 串联的级联系统,其音视频对话节奏问题减少了一半,并能持续感知环境、主动开口提醒,可应用于多人交流、设备操作、学习辅助、实时客服等场景。