HaiAI123

全球AI工具精選導航

行業動態
持平

火山引擎上線豆包 SeedRealtime 即時音影片 API

2026/11/19 — 11/19 15:20·2 個來源(全部)·2 篇報道(全部)

核心速覽 (Key Takeaways)

  • 據 36 氪報道,火山引擎正式上線豆包即時音視訊通話模型 SeedRealtime 1.0 的 API 服務。
  • 該模型把聲音、畫面、時序與表達統一到同一個端到端模型中,可在連續的多模態資訊流上即時互動,實現邊看、邊聽、邊說。
  • 開發者現可通過 API 呼叫。

事件背景與詳細解讀

2026 年 11 月 19 日,火山引擎正式上線豆包即時音視訊通話模型 SeedRealtime 1.0 的 API 服務。據 36 氪當日 14:50 的報道,該模型將聲音、畫面、時序與表達統一到同一個端到端模型中,可在連續的多模態資訊流上即時互動,實現邊看、邊聽、邊說,開發者現已可通過 API 呼叫。

同日 14:55,IT 之家也報道了這一上線訊息,並補充了官方說法。據 IT 之家引述,相比 ASR、VLM、TTS 多模組串聯的語音級聯方案,SeedRealtime 1.0 減少了延遲疊加與資訊損耗;模型不再被動等待使用者提問,而是持續理解場景變化,在合適時機主動開口,把看、聽、說納入同一套即時決策體系。官方還稱,該模型原生支援聲音、畫面與時序資訊的深度融合,可結合場景消解同音詞歧義、理解視覺中的時序指代,在多人、嘈雜、開放的環境中分辨說話物件並理解上下文,適用於多人協同交流、跨語言導覽與帶視覺上下文的即時問答等場景。目前公開報道的進展即停留在 API 服務上線,暫無後續版本或功能更新的披露。

AI 綜合 2 篇報道生成 · 更新於 3 天前

最新進展據 IT 之家報道,火山引擎正式上線豆包即時音視訊通話模型(SeedRealtime 1.0)API 服務,把聲音、畫面與時序資訊統一到同一個端到端模型中,支援“邊看、邊聽、邊說”的即時互動。官方稱,相比 ASR、VLM、TTS 多模組串聯的語音級聯方案,該模型減少了延遲疊加和資訊損耗,並能在多人嘈雜環境中分辨說話物件、主動開口。

相關 AI 工具

updream
24 小時熱度熱度指數 50 · 峰值 56 · 23 小時前
24 小時前現在

這件事的報道 點標題看原文

11月19日
  1. 據 IT 之家報道,火山引擎正式上線豆包即時音視訊通話模型(SeedRealtime 1.0)API 服務,把聲音、畫面與時序資訊統一到同一個端到端模型中,支援“邊看、邊聽、邊說”的即時互動。官方稱,相比 ASR、VLM、TTS 多模組串聯的語音級聯方案,該模型減少了延遲疊加和資訊損耗,並能在多人嘈雜環境中分辨說話物件、主動開口。

    端到端即時多模態,替代傳統語音級聯方案

    IT之家AI 評分 65
  2. 據 36 氪報道,火山引擎正式上線豆包即時音視訊通話模型 SeedRealtime 1.0 的 API 服務。該模型把聲音、畫面、時序與表達統一到同一個端到端模型中,可在連續的多模態資訊流上即時互動,實現邊看、邊聽、邊說。開發者現可通過 API 呼叫。

    做即時語音或影片互動的開發者可評估接入

    36氪AI 評分 55

同時在說的其他事

熱度怎麼算的?瞭解口徑

熱度按 48 小時內有多少個獨立來源在說這件事算:同一個來源發多條只算一次,並按 24 小時半衰期衰減,所以排前面的是很多人在說的事。

本頁彙總公開訂閱源,標題與摘要由模型整理,版權歸原作者所有;重要資訊請回原文核對。如權利人認為相關標題或摘要侵權,請通過頁尾聯絡郵箱提供具體頁面與權利依據,我們核實後會及時刪除或替換。

爆
討論快速增加
新
首報 6 小時內
發酵中
討論仍在增加

回 AI 行業動態榜 →