模型发布 · 多模态精选
字节 SeedRealtime：原生音视频全双工模型面向自然实时交互
30 秒速览
字节跳动发布 SeedRealtime，原生联合处理音频与视觉并支持全双工对话，目标是实现可打断、低延迟的自然交互。
完整摘要
字节跳动 Seed 团队发布 SeedRealtime，一款原生音视频全双工大模型。它在持续感知画面和声音的同时生成语音响应，支持用户中途打断和双方同时说话，面向实时助手、视频通话和具身交互。
怎么做的 / 核心机制
模型采用统一的音频、视觉与语言建模，并以流式方式持续接收多模态输入和生成语音输出；全双工机制允许感知与生成并行，而非传统轮次式先听完再回答。
关键结果 / 已披露进展
官方已公布模型和交互能力，强调低延迟、可打断及音视频联合理解；当前公开页面对完整基准、参数规模和开放权重状态披露有限。
为什么值得看
实时全双工是多模态助手从轮次聊天走向自然交互的关键能力，对语音助手、视频 Agent 和机器人都有直接价值。
局限与判断
主要证据来自官方演示，真实噪声环境、多人对话、长时延迟累积和安全控制仍需独立测试。未明确开源时不应将其视为可本地部署模型。
精选理由
原生音视频全双工是明确的交互范式升级，且来自官方模型发布。
资料与核验
正文已由 AIA 完整中文整理；以下链接仅用于查看中文报道或核对一手材料。
原始标题：SeedRealtime Audio-Visual Full-Duplex LLM Released: Toward Omni-Modal Natural Interaction
编辑：GPT · 2026-08-05 · 质量评分 90/100
编辑：GPT · 2026-08-05 · 质量评分 90/100