模型定位
SeedRealtime 是原生音视频全双工大语言模型,面向连续多模态信息流中的实时交互。它在统一的端到端架构中融合音频、视频和文本,支持边看、边听、边说。(seed.bytedance.com)
主要能力
- 音视频联合理解:结合画面、声音和时序信息理解场景、语音歧义及视觉指代,并在多人对话中区分说话者和交流内容。
- 主动交互与工具调用:持续感知环境变化,在适当时机主动提醒,并可在交互中调用工具。
- 对话节奏控制:感知交流状态,选择接话、暂停和回应时机,并尝试过滤背景噪声和无关对话。
- 实时处理:采用分块音视频输入与流式生成,面向低延迟交互。(seed.bytedance.com)
用途与可用性
官方展示的用途包括阅读和学习辅助、跨语言交流、博物馆参观讲解、设备操作指导,以及多人和嘈杂环境下的对话辅助。官方公告称,模型已在豆包 App 全量上线,可通过视频通话体验;这不等同于独立开发者 API 已开放。(seed.bytedance.com)
评测与限制
官方端到端人工评测称,相比级联模型,音视频对话节奏问题减少约一半;这是官方评测结论,公告未给出足以独立复现该结果的完整评测细节。所查官方公告未明确披露参数规模、上下文窗口、精确端到端延迟、独立 API 模型 ID 或开放权重;不能据此推断这些信息不存在。复杂多人场景的稳健性、更低延迟和工具连接现实任务仍是官方列出的后续改进方向。(seed.bytedance.com)
价格
截至 2026-11-16,检索火山引擎国内官方定价及 BytePlus 国际官方定价,未核实到专门适用于 SeedRealtime 的人民币或美元报价;输入、输出的计费方式、单位和金额均未核实。其他实时语音或 Seed 系列模型的报价不能直接视为本模型价格。(docs.volcengine.com)
发布日期与官方来源
- 发布日期:2026-08-05。
- SeedRealtime 官方项目页
- 字节跳动 Seed 中文发布公告
- 定价检索来源:火山引擎模型定价、火山引擎语音服务计费、BytePlus ModelArk 定价;查询日期均为 2026-11-16。