IT之家 · 智能时代T2·78 分
豆包实时音视频通话模型 1.0 API 全量上线
原标题:豆包实时音视频通话模型 1.0 API 全量上线,可实现边看边听边说全模态实时交互
- SeedRealtime 1.0 将声音、画面、时序与表达统一到单一端到端模型,替代 ASR/VLM/TTS 级联架构
- 相比级联方案,音视频对话节奏问题减少一半,单次完整顺畅交流概率明显提升
- 具备持续环境感知与主动表达能力,可在设备操作、学习辅助、实时客服等场景主动介入
AI 聚合热点事件 · 2026/11/19
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。
曲线只比较全程持续完整观测的同一批信源;缺口小时数据已插值平滑,保持趋势连续。
原标题:豆包实时音视频通话模型 1.0 API 全量上线,可实现边看边听边说全模态实时交互