物界前沿 · 资讯情报卡(IT之家 · 2026/11/19)
豆包实时音视频通话模型1.0 API全量上线
核心事实
- 火山引擎上线豆包实时音视频通话模型SeedRealtime 1.0的API服务。
- 该模型把声音、画面与时序信息统一到单个端到端模型中处理。
- 模型可主动开口提醒,不再只等用户提问,支持边看边听边说。
- 官方称相比级联方案,音视频对话节奏问题减少一半。
- 模型可区分多人身份、过滤背景闲聊,并识别画面中的时序指代。
关键数据
50%对话节奏问题减少比例
物界观察
端到端替代ASR+VLM+TTS级联,省掉延迟叠加与信息损耗,主动开口才是真差异。对开发者而言,实时语音助手、智能硬件和陪伴类应用的交互底座正在换轨,但API全量上线后的实际时延与嘈杂环境稳定性,仍需真实场景检验。
来源:IT之家原文 ↗
物界前沿