火山引擎上线豆包 SeedRealtime 实时音视频 API
2026/11/19 — 11/19 15:20·2 个来源(全部)·2 篇报道(全部)
核心速览 (Key Takeaways)
- 据 36 氪报道,火山引擎正式上线豆包实时音视频通话模型 SeedRealtime 1.0 的 API 服务。
- 该模型把声音、画面、时序与表达统一到同一个端到端模型中,可在连续的多模态信息流上实时交互,实现边看、边听、边说。
- 开发者现可通过 API 调用。
事件背景与详细解读
2026 年 11 月 19 日,火山引擎正式上线豆包实时音视频通话模型 SeedRealtime 1.0 的 API 服务。据 36 氪当日 14:50 的报道,该模型将声音、画面、时序与表达统一到同一个端到端模型中,可在连续的多模态信息流上实时交互,实现边看、边听、边说,开发者现已可通过 API 调用。
同日 14:55,IT 之家也报道了这一上线消息,并补充了官方说法。据 IT 之家引述,相比 ASR、VLM、TTS 多模块串联的语音级联方案,SeedRealtime 1.0 减少了延迟叠加与信息损耗;模型不再被动等待用户提问,而是持续理解场景变化,在合适时机主动开口,把看、听、说纳入同一套实时决策体系。官方还称,该模型原生支持声音、画面与时序信息的深度融合,可结合场景消解同音词歧义、理解视觉中的时序指代,在多人、嘈杂、开放的环境中分辨说话对象并理解上下文,适用于多人协同交流、跨语言导览与带视觉上下文的实时问答等场景。目前公开报道的进展即停留在 API 服务上线,暂无后续版本或功能更新的披露。
AI 综合 2 篇报道生成 · 更新于 3 天前
最新进展据 IT 之家报道,火山引擎正式上线豆包实时音视频通话模型(SeedRealtime 1.0)API 服务,把声音、画面与时序信息统一到同一个端到端模型中,支持“边看、边听、边说”的实时交互。官方称,相比 ASR、VLM、TTS 多模块串联的语音级联方案,该模型减少了延迟叠加和信息损耗,并能在多人嘈杂环境中分辨说话对象、主动开口。
相关 AI 工具
- 热度指数
- 50
- 全部来源
- 2
- 全部报道
- 2
- 首报
- 3 天前
这件事的报道 点标题看原文
据 IT 之家报道,火山引擎正式上线豆包实时音视频通话模型(SeedRealtime 1.0)API 服务,把声音、画面与时序信息统一到同一个端到端模型中,支持“边看、边听、边说”的实时交互。官方称,相比 ASR、VLM、TTS 多模块串联的语音级联方案,该模型减少了延迟叠加和信息损耗,并能在多人嘈杂环境中分辨说话对象、主动开口。
端到端实时多模态,替代传统语音级联方案
IT之家AI 评分 65据 36 氪报道,火山引擎正式上线豆包实时音视频通话模型 SeedRealtime 1.0 的 API 服务。该模型把声音、画面、时序与表达统一到同一个端到端模型中,可在连续的多模态信息流上实时交互,实现边看、边听、边说。开发者现可通过 API 调用。
做实时语音或视频交互的开发者可评估接入
36氪AI 评分 55
同时在说的其他事
- 热度指数 31豆包工作 DAU 突破 800 万,企业 ARR 超 20 亿元1 个来源
- 热度指数 1134发酵中Anthropic 上市首周市值达 1.6 万亿美元,IPO 募资 935 亿美元21 个来源
- 热度指数 1004Anthropic 数学家称与 Claude 完成广义黎曼猜想形式化21 个来源
- 热度指数 593Anthropic 行使超额配售权,IPO 募资达 935 亿美元19 个来源
- 热度指数 592发酵中Thinking Machines Lab 开源 Inkling 2 Mini,模型卡推荐 32GB 内存10 个来源
热度怎么算的?了解口径收起
热度按 48 小时内有多少个独立来源在说这件事算:同一个来源发多条只算一次,并按 24 小时半衰期衰减,所以排前面的是很多人在说的事。
本页汇总公开订阅源,标题与摘要由模型整理,版权归原作者所有;重要信息请回原文核对。如权利人认为相关标题或摘要侵权,请通过页尾联系邮箱提供具体页面与权利依据,我们核实后会及时删除或替换。
- 爆
- 讨论快速增加
- 新
- 首报 6 小时内
- 发酵中
- 讨论仍在增加

