8月5日，字节跳动seed团队正式发布原生音视频全双工大模型——seedrealtime。该模型基于统一架构设计，原生集成音频、视频与文本模态，支持在持续流动的多模态信息中实现低延迟、高响应的实时交互，真正达成“边看、边听、边说”的自然交互新范式。

SeedRealtime在三项关键能力上取得重要进展：一是音视频协同理解能力，可深度耦合声学信号、视觉画面及时间序列特征，并依托上下文场景精准消除语义歧义；二是主动式交互能力，模型具备持续环境感知能力，能在目标对象出现或关键事件发生时自主发起提示或干预；三是节奏自适应对话能力，可动态识别最佳应答时机，智能过滤无关背景对话与环境噪声，大幅降低误唤醒率。

端到端人工评估结果表明，相较于传统分阶段级联方案，SeedRealtime将对话节奏异常问题降低50%，单轮交互的连贯性与语义完整性显著增强。目前，该模型已全面接入豆包App，成为业内首个实现音视频全双工技术大规模商用落地的大模型产品。

豆包Seedream模型

Doubao-Seedream-5.0-lite是字节跳动发布的最新图像创作模型。该模型首次搭载联网检索功能，能融合实时网络信息，提升生图时效性。同时，模型的聪明度进一步升级，能够精准解析复杂指令和视觉内容。此外，模型在世界知识广度、参考一致性及专业场景生成质量上均有增强，可更好地满足企业级视觉创作需求。

下载

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜