术语slug: omni-modal-realtime-interaction

全模态实时交互

Omni-modal Realtime Interaction

在连续多模态信息流上同步完成感知、决策与表达的端到端交互范式

收录情报动态

共 1 篇 · 第 1/1 页
IT之家 · 智能时代T2·基座大模型
78 分
豆包实时音视频通话模型 1.0 API 全量上线

火山引擎正式上线豆包实时音视频通话模型 SeedRealtime 1.0 的 API 服务,将声音、画面与时序信息统一到单一端到端模型,实现边看边听边说的全模态实时交互。相比 ASR+VLM+TTS 级联方案,该模型显著降低延迟叠加与信息损耗,音视频对话节奏问题减少一半,并具备主动表达与抗干扰能力。