火山引擎上线豆包实时音视频通话模型 SeedRealtim…

AI广播站13小时前更新 小悠
1 0 0

实时多模态交互正在向更自然、更流畅的方向迈进。火山引擎近日正式上线了豆包实时音视频通话模型 SeedRealtime1.0的 API 服务,为开发者和相关应用提供了全新的实时音视频交互能力。

在过去的语音与多模态交互架构中,系统往往需要将语音识别(ASR)、视觉语言模型(VLM)以及语音合成(TTS)等多个模块串联起来。这种级联处理方式不仅容易引入额外的响应延迟,还可能在模块传递过程中造成信息与情感细节的损耗。

火山引擎上线豆包实时音视频通话模型 SeedRealtime 1.0 API

SeedRealtime1.0则采用了不同的思路,将声音、画面、时序与表达统一整合到同一个端到端模型之中。凭借这一架构,模型能够实现“边看、边听、边说”的实时多模态交互,在降低级联延迟的同时,也有效减少了跨环节的信息损耗。

通过开放 API 服务,火山引擎将这一端到端实时音视频能力向外部生态输出。无论是智能助手、实时陪伴还是各类需要同步感知视觉画面与语音输入的交互场景,都能借助该模型进一步提升响应的自然度与连贯性。

11月16日,火山引擎宣布Seedance 2.5 4K视频生成模型API全面开放,开发者与企业客户可即日起通过接口调用,4K级视频生成进入规模化接入阶段。该模型10月23日发布,经专项训练,对人物表情、细微动作与画面细节学习更充分,是Seedance 2.5代最强版本,并支持Draft模式。

豆包11月16日上线「工作台」功能,首批覆盖金融、医疗、教育、创意设计等21个专业场景。该功能为专业工作提供专属AI空间,预置所需技能与工具,用户无需从头挑选即可开工,降低AI使用门槛。首页提供21款工作台,涵盖金融投研、医生、教师、写作、新媒体创作、数据分析、法律事务、出行规划等,并按场景定制。

火山引擎11月12日推出Seedance2.5flash,定位最接近旗舰Seedance2.5的高性价比版本,生成速度翻倍,面向批量内容生产。720P文生/图生视频约0.99元/秒,较旗舰降约34%。单段最长30秒,单次最多输入10图、5视频、5音频,支持480P/720P,即日起陆续登陆即梦、LibTV、Updream、Creao AI、TapNow等平台。

11月10日,字节跳动旗下AI应用豆包宣布图片设计能力全面升级,正式接入全新一代图像创作模型Seedream5.5。此次升级为用户带来更专业、高效的视觉生成与编辑体验,并落地三大核心功能,打破传统AI绘图痛点。借助Seedream5.5,豆包在图像创作与后期处理上实现多维度技术突破,支持百轮稳定连续编辑。

火山引擎11月9日发布豆包图像创作模型Seedream5.5,支持像素级可控编辑、多轮编辑一致性与原生RGBA透明素材生成,本周上线火山方舟。新模型写实感更接近实拍,画面自然且具电影感。采用“输入图+输出图”计费,文本Token免费,2K方图编辑单张0.28元,较上代便宜60%,生成速度快近40%,面向开发者与企业开放接入。

火山引擎上线豆包实时音视频通话模型 SeedRealtim…

关注 “悠AI” 更多干货技巧行业动态

© 版权声明

相关文章

没有相关内容!

暂无评论

您必须登录才能参与评论!
立即登录
none
暂无评论...