字节跳动发布 SeedRealtime 原生全双工音视频模型,现已上线抖音

字节跳动的 Seed 团队已发布 SeedRealtime,这是一款可在抖音应用软件上使用的原生全双工音视频大语言模型。该模型通过端到端架构统一音频、视频和文本,并行处理感知、理解、决策和表达。根据字节跳动的内部评估,与级联架构相比,该模型将节奏问题降低了约 50%,其在模型内部实现了轮次切换机制,而不是依赖外部语音活动检测。该团队尚未发布技术报告、模型参数、开源权重或 API 访问权限。
免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论