·技术
1 分钟0
全双工语音模型精读⑨:字节 Seeduplex 与 SeedRealtime——RL 话轮决策到音视频原生全双工
> 全双工语音模型系列精读第 9 篇。本文基于字节 Seed 官方页面与火山引擎 API 文档,梳理字节语音全双工两步走:纯语音的 Seeduplex(2026.4)与音视频原生的 SeedRealtime(2026.8)。配套总览见《全双工语音大模型全景调研》。 一、字节的两步走 字节在
> 全双工语音模型系列精读第 9 篇。本文基于字节 Seed 官方页面与火山引擎 API 文档,梳理字节语音全双工两步走:纯语音的 Seeduplex(2026.4)与音视频原生的 SeedRealtime(2026.8)。配套总览见《全双工语音大模型全景调研》。 一、字节的两步走 字节在
> 本文所有大厂模型数据均来自其官方博客、官方技术文档或 arXiv 论文,文末附一手来源链接。第三方实测数据单独标注。截至 2026 年 9 月 10 日。 一、先统一概念:全双工不是 0/1 开关 "全双工"(Full-duplex)来自通信领域:双方可以同时收发信号。对照三档: -
> 全模态大模型(Omni Model)正在成为 AI 领域最炙手可热的研究方向。从 2025 年 Q1 的 Qwen2.5-Omni 到 2026 年 Q2 的 DuplexSLA,短短一年多时间里,这一赛道经历了从"能听能说"到"全双工实时交互"的跨越式演进。本文梳理了 8+ 款代表性全模态大模