ByteDance lança o grande modelo de voz bidirecional Seeduplex, a interação por voz com IA entra na era de "ouvir e falar ao mesmo tempo"

Mensagens AIMPACT, 9 de abril, a equipa Seed da ByteDance lançou o modelo nativo de voz em duplex completo Seeduplex, que já foi disponibilizado na íntegra na aplicação Doubao, assinalando a evolução da interação por voz de “por turnos” para uma conversa natural e em tempo real.

Através da modelação conjunta de voz e semântica, o Seeduplex alcança uma capacidade de processamento sincronizado de “ouvir e falar ao mesmo tempo”, melhorando de forma evidente a resistência a interferências em ambientes complexos. Os dados indicam que, em comparação com as soluções tradicionais de semi-duplex, a taxa de respostas incorrectas e a taxa de interrupções erradas diminuíram cerca de 50%.

Em termos de experiência de interação, este modelo introduz uma tecnologia de paragem dinâmica, reduzindo o atraso de resposta em cerca de 250 milissegundos, diminuindo em 40% o fenómeno de “roubo de vez”, permitindo distinguir com mais precisão a pausa do utilizador do fim da conversa. Além disso, com amostragem por antecipação e optimizações por quantificação, o sistema mantém baixa latência e fluidez mesmo em cenários de elevada concorrência, aumentando a satisfação global das chamadas em cerca de 8,34%.

Esta actualização significa que a voz por IA está a evoluir no sentido de “tempo real, multimodal, interação semelhante à humana”; no futuro, é possível que seja combinada com capacidades visuais para impulsionar o desenvolvimento de assistentes inteligentes rumo a uma integração de “ouvir, ver, pensar e falar”. (Fonte: ByteDance)