字节跳动推出了SeedRealtime，这是一款新颖的视听全双工大语言模型，将音频、视频和文本处理整合到一个统一的架构中。该模型旨在通过并行处理感知、理解和表达，而不是依赖顺序模块，来实现更自然、实时的多模态交互。虽然SeedRealtime目前已集成到字节跳动的豆包应用中，但没有公开的技术报告、参数数量或开放权重，限制了第三方直接集成。 AI
影响 为实时多模态交互设定了新的基准，可能影响未来AI代理的开发。
排序理由 前沿实验室模型发布，附带系统卡[lever_c_从frontier_release降级：ic=2 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
<p>ByteDance’s Seed team has introduced SeedRealtime, a native audio-visual full-duplex LLM. The model fuses audio, video and text in a single unified architecture. It interacts in real time over continuous multimodal streams, rather than one turn at a time. Seed positions …
ByteDance has unveiled SeedRealtime, a native audio-visual full-duplex LLM that processes audio, video and text in a single model. The system runs perception, understanding and expression in parallel rather than chaining separate modules, enabling real-time multimodal conversatio…