字节发布 SeedRealtime 音视频全双工大模型

字节跳动 Seed 宣布正式推出原生音视频全双工大模型 SeedRealtime。该模型采用统一架构，原生融合音频、视频与文本，可在连续的多模态信息流上实时交互，实现“边看、边听、边说”的体验。目前 SeedRealtime 已在豆包 App 全量上线。

官方称其实现三项核心突破：音视频联合理解，原生支持声音、画面与时序信息的协同处理；全双工实时交互，支持低延迟的流式对话；统一架构设计，以单一模型同时处理多模态输入输出。

对开发者而言，这意味着多模态实时交互能力从实验走向可用，可直接在豆包生态中体验，也为后续开放 API 或开源预留了想象空间。

GitHub

#GitHub #开源 #字节跳动 #SeedRealtime #多模态大模型 #音视频交互 #豆包
@GitHubTrendingHub