品玩8月5日讯，字节跳动Seed团队今日正式推出原生音视频全双工大模型SeedRealtime。该模型采用统一架构，原生融合音频、视频与文本，实现了在连续多模态信息流上的实时交互，带来“边看、边听、边说”的全新体验。

SeedRealtime在三大核心能力上实现突破。首先是音视频联合理解，能深度融合声音、画面与时序信息，结合场景消解歧义。其次是主动的交互能力，模型可持续感知环境变化，在关键目标出现时主动提醒或介入。最后是流畅的交互节奏，模型能实时判断对话时机，有效分辨并屏蔽背景闲聊与噪声，避免误触发。

端到端人工评测显示，相比传统级联模型，SeedRealtime的对话节奏问题减少一半，单次对话的顺畅度与完整度显著提升。目前，SeedRealtime已在豆包App全量上线，率先实现音视频全双工技术的规模化落地。