
火山引擎 11 月 19 日上线豆包实时音视频通话模型 SeedRealtime 1.0 的 API 服务,开发者可将实时多模态交互能力接入应用。
据火山引擎介绍,模型把声音、画面、时序与表达统一到一个端到端模型中,在连续信息流上交互,减少语音识别、视觉理解和语音合成等多个模块串联带来的延迟与信息损耗。它可持续理解场景变化,在合适时机主动开口。
火山引擎称,相比级联模型,SeedRealtime 1.0 的音视频对话节奏问题减少了一半,可用于语音助手、智能硬件、陪伴式应用和实时客服等场景。

火山引擎 11 月 19 日上线豆包实时音视频通话模型 SeedRealtime 1.0 的 API 服务,开发者可将实时多模态交互能力接入应用。
据火山引擎介绍,模型把声音、画面、时序与表达统一到一个端到端模型中,在连续信息流上交互,减少语音识别、视觉理解和语音合成等多个模块串联带来的延迟与信息损耗。它可持续理解场景变化,在合适时机主动开口。
火山引擎称,相比级联模型,SeedRealtime 1.0 的音视频对话节奏问题减少了一半,可用于语音助手、智能硬件、陪伴式应用和实时客服等场景。