ByteDance a publié le grand modèle de voix en duplex complet Seeduplex, l'interaction vocale IA entre dans l'ère du « écouter tout en parlant »

AIMPACT message, le 9 avril, l’équipe Seed de ByteDance a publié le grand modèle de voix full-duplex natif Seeduplex, qui est déjà entièrement déployé dans l’application Doubao, marquant une évolution de l’interaction vocale du « tour par tour » vers une conversation naturelle en temps réel.

Seeduplex réalise une modélisation conjointe de la voix et de la sémantique, permettant une capacité de traitement synchrone « écouter en parlant », avec une amélioration significative de la résistance aux interférences dans des environnements complexes. Les données montrent qu’en comparaison avec les solutions semi-duplex traditionnelles, le taux de réponses erronées et le taux d’interruptions accidentelles ont diminué d’environ 50 %.

En termes d’expérience d’interaction, ce modèle introduit une technologie de détection dynamique de l’arrêt, réduisant le délai de réponse d’environ 250 millisecondes, avec une baisse de 40 % des phénomènes de coupure de parole, permettant une distinction plus précise entre la pause de l’utilisateur et la fin de la conversation. Par ailleurs, grâce à l’échantillonnage spéculatif et à l’optimisation de la quantification, le système maintient une faible latence et une fluidité même en scénarios de haute concurrence, avec une amélioration globale de la satisfaction des appels d’environ 8,34 %.

Cette mise à niveau signifie que la voix IA évolue vers une interaction « en temps réel, multimodale, quasi humaine », avec un avenir où la capacité visuelle pourrait être intégrée, favorisant le développement d’assistants intelligents vers une intégration « écouter, voir, penser, parler ». (Source : ByteDance)