ByteDance выпустила полно-дуплексную голосовую модель Seeduplex, и AI-голосовое взаимодействие вступает в эпоху «слушать и говорить одновременно»

AIMPACT-сообщение, 9 апреля, команда Seed компании ByteDance выпустила нативную полно-двухплексную голосовую LLM Seeduplex и уже полностью внедрила ее в приложении Doubao, что знаменует переход голосового взаимодействия от «поочередного режима» к реальному естественному диалогу.

Seeduplex объединяет голосовое и семантическое моделирование, обеспечивая синхронную обработку способности «слушать и говорить одновременно»; в сложных условиях заметно повышается устойчивость к помехам. По данным, по сравнению с традиционными полудуплексными решениями частота ошибочных ответов и ошибочных прерываний снизилась примерно на 50%.

Что касается пользовательского опыта, в модели внедрена динамическая технология определения момента остановки, благодаря которой задержка ответа сокращается примерно на 250 миллисекунд, а явление «перебивания» снизилось на 40% — это позволяет точнее различать паузы пользователя и завершение диалога. Кроме того, за счет спекулятивной семплирования и оптимизации квантования система сохраняет низкую задержку и плавность даже в сценариях высокой одновременной нагрузки, а общая удовлетворенность звонками выросла примерно на 8,34%.

Это обновление означает, что голосовой ИИ развивается в направлении «реального времени, мультимодальности и человекоподобного взаимодействия». В будущем ожидается, что он будет сочетаться с возможностями зрения, способствуя развитию интеллектуальных помощников в направлении интеграции «слушать, видеть, думать, говорить». (Источник: ByteDance)