ByteDance lanza el gran modelo de voz de doble vía Seeduplex, llevando la interacción por voz con IA a la era de «escuchar y hablar al mismo tiempo»

Mensaje AIMPACT, 9 de abril, el equipo de Seed de ByteDance publicó el modelo nativo de voz de dúplex completo Seeduplex, que ya se ha lanzado al 100% en la app Doubao, lo que marca la mejora de la interacción por voz desde los “turnos por turnos” hacia conversaciones naturales en tiempo real.

Seeduplex, mediante el modelado conjunto de voz y semántica, logra la capacidad de procesamiento sincronizado de “escuchar y hablar” al mismo tiempo, con una mejora notable en su rendimiento contra interferencias en entornos complejos. Los datos muestran que, en comparación con las soluciones tradicionales de semidúplex, sus tasas de respuestas erróneas y de interrupciones erróneas disminuyen aproximadamente un 50%.

En cuanto a la experiencia de interacción, este modelo introduce una tecnología dinámica de detención de respuesta, reduciendo la latencia de respuesta en aproximadamente 250 milisegundos, disminuyendo el fenómeno de “hablar por encima” en un 40% y permitiendo distinguir con mayor precisión las pausas del usuario del final de la conversación. Al mismo tiempo, gracias al muestreo especulativo y a la optimización por cuantificación, el sistema mantiene una baja latencia y fluidez incluso en escenarios de alta concurrencia, mejorando en conjunto la satisfacción de las llamadas en aproximadamente un 8.34%.

Esta actualización significa que la voz por IA evoluciona en la dirección de “tiempo real, multimodalidad e interacción similar a la humana”; en el futuro, es posible que se combine con capacidades de visión para impulsar el desarrollo de asistentes inteligentes hacia una integración de “escuchar, ver, pensar y hablar”. (Fuente: ByteDance)