ByteDance lança o grande modelo de voz full-duplex Seeduplex, a interação de voz AI entra na era de "ouvir e falar ao mesmo tempo"

AIMPACT mensagem, 9 de abril, a equipa Seed da ByteDance lançou o modelo de voz de dupla via nativa Seeduplex, e já está totalmente disponível no aplicativo Doubao, marcando a evolução da interação por voz de um sistema de “turno” para uma conversa natural em tempo real.

Seeduplex realiza uma modelagem conjunta de voz e semântica, permitindo a capacidade de processamento sincronizado de “ouvir e falar ao mesmo tempo”, com uma melhoria significativa na resistência a interferências em ambientes complexos. Os dados mostram que, em comparação com soluções tradicionais de semi-dupla via, a taxa de respostas incorretas e de interrupções indevidas caiu cerca de 50%.

Em termos de experiência de interação, o modelo introduz uma técnica de decisão dinâmica de pausa, reduzindo o atraso na resposta em cerca de 250 milissegundos, com uma diminuição de 40% na ocorrência de interrupções por falar por cima, permitindo uma distinção mais precisa entre pausas do utilizador e o fim da conversa. Além disso, através de amostragem especulativa e otimização de quantização, o sistema mantém baixa latência e fluidez mesmo em cenários de alta concorrência, aumentando a satisfação geral com as chamadas em cerca de 8,34%.

Esta atualização significa que a IA de voz está evoluindo para uma interação “em tempo real, multimodal e semelhante à humana”, com potencial para integrar capacidades visuais no futuro, impulsionando o desenvolvimento de assistentes inteligentes que possam “ouvir, ver, pensar e falar”. (Fonte: ByteDance)