ByteDance lanza el gran modelo de voz de doble vía Seeduplex, la interacción de voz con IA entra en la era de "escuchar y hablar al mismo tiempo"

AIMPACT Mensaje, 9 de abril, el equipo Seed de ByteDance lanzó el modelo de voz de doble vía nativo Seeduplex, y ya está completamente disponible en la aplicación Doubao, marcando la actualización de la interacción por voz de “turno” a diálogo en tiempo real y natural.

Seeduplex logra una capacidad de procesamiento sincronizado de “escuchar y hablar” mediante la modelación conjunta de voz y semántica, mejorando significativamente la resistencia a interferencias en entornos complejos. Los datos muestran que, en comparación con los esquemas tradicionales de semi-dúplex, la tasa de respuestas incorrectas y de interrupciones erróneas disminuye aproximadamente un 50%.

En cuanto a la experiencia de interacción, el modelo introduce tecnología de detección dinámica de pausas, reduciendo el retraso en la respuesta en aproximadamente 250 milisegundos, disminuyendo en un 40% los fenómenos de interrupción, y permitiendo distinguir con mayor precisión entre las pausas del usuario y el fin de la conversación. Además, mediante muestreo especulativo y optimización de cuantificación, el sistema mantiene baja latencia y fluidez incluso en escenarios de alta concurrencia, mejorando la satisfacción general de la llamada en aproximadamente un 8.34%.

Esta actualización significa que la voz AI evoluciona hacia una interacción “en tiempo real, multimodal y similar a la humana”, y en el futuro se espera que combine capacidades visuales, impulsando el desarrollo de asistentes inteligentes hacia una integración de “escuchar, ver, pensar y hablar”. (Fuente: ByteDance)