字节发布音视频全双工大模型，已上线豆包
简单说，SeedRealtime用统一架构原生融合音频、视频与文本，能在连续的多模态信息流上实时交互，带来“边看、边听、边说”的全新体验。===抛砖引玉啊！谈谈看法！热烈欢迎【老师们】补充斧正！过去很多多模态产品，大多是文本为主，音视频属于附加功能，很难做到真正同步实时响应。SeedRealtime的核心突破，是实现全双工的原生音视频交互，不再是先录再处理的模式，机器可以同步接收画面、声音，同时给出反馈，这是走向智能体非常关键的一步。===你怎么看？！
发布于 山东
分享
评论
1
未登录
友善发言
评论
加载中
