字节发布音视频全双工大模型，已上线豆包
字节8月5日发布SeedRealtime，音视频全双工大模型，已经在豆包App全量上线了。你在豆包里点“打电话”，就能跟AI视频通话。它能看到你、听到你、回答你，还能看周围环境。一个能“边看、边听、边说”的AI，确实跟以前不太一样。传统AI语音是“你先说，我等你说完再说”。SeedRealtime不一样，它是全双工的。你能打断它，它也能打断你，跟真人聊天一样。在机场嘈杂环境下，它能分清你跟谁说话，不会因为背景声音误触发。一个能听懂“我在跟谁说话”的AI，确实比一个只知道“你说什么我答什么”的AI聪明得多。全双工最大的价值是“自然”。你不用像跟机器说话一样一字一句地说，可以插话、可以打断、可以同时说。字节官方说把音视频对话的抢话、回应延迟、背景噪声误触发等问题减少了约50%。一个能跟你正常聊天的AI，比一个只会一问一答的AI更像“人”。这种交互方式如果普及了，语音助手就不再是“助手”，是“陪伴”。字节做AI的路线越来越清晰了，不是做“最强模型”，是做“最自然的交互”。SeedRealtime就是这条路的最新一步。一个能跟人正常聊天的AI，确实比一个只会回答问题的AI更让人愿意用。豆包用户打开App的频率可能会因此变高。技术再强，不如让用户觉得“跟它说话不累”。SeedRealtime确实做到了。
发布于 俄罗斯
分享
评论
赞
未登录
友善发言
评论
加载中
