字节跳动发布 SeedRealtime 边看边聊模型

sowang

SeedRealtime 原生音视频全双工大模型是什么？

SeedRealtime 是字节跳动 Seed 团队于2026年8月5日发布的原生音视频全双工大模型，能够实现边看、边听、边说的实时多模态交互的能力。

该模型现已在豆包 App 上线，更新豆包最新版，打开视频通话即可体验。


和传统拼接式AI方案不同，SeedRealtime采用统一端到端原生架构，将音频、视频、文本与时序信息深度融合，让感知、理解、决策、表达全程同步并行。无需等待用户语句结束，支持双向实时交互，用户可以随时打断AI，AI也能根据画面和语境主动插话、提醒，接近真人面对面沟通的自然节奏，同时大幅降低对话卡顿、抢话、误触发等问题。

依托强大的音视频联合理解能力，SeedRealtime可以结合画面场景消除语音歧义、精准识别画面中的物体与动作指代，看懂动态实景变化。同时具备优秀的抗干扰能力，能有效区分人声与背景噪音，适配各类复杂环境的实时交互场景。

SeedRealtime应用场景

实时视频陪伴对话，可随时打断、插话；
实景指导：对着实物镜头，实时答疑、纠错教学；
现场观察：看画面主动提示、讲解；
嘈杂环境下的音视频交互，抗背景噪音。

体验方式
将豆包App更新至最新版本，进入「打电话」页面，开启视频通话，即可全程体验SeedRealtime原生音视频全双工交互能力。


SeedRealtime 演示视频
https://weibo.com/tv/show/1034:5 ... om=old_pc_videoshow