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

AIMPACT сообщение, 9 апреля команда Seed от ByteDance выпустила нативную полно-дуплексную голосовую большую модель Seeduplex, которая уже полностью запущена в приложении Doubao, что означает переход голосового взаимодействия с «пошагового» на реальное время и естественный диалог.

Seeduplex объединяет моделирование голоса и семантики, реализуя возможность «слушать и говорить» одновременно, что значительно повышает устойчивость к помехам в сложных условиях. Данные показывают, что по сравнению с традиционными полудуплексными решениями, уровень ложных ответов и прерываний снизился примерно на 50%.

В плане взаимодействия эта модель внедряет технологию динамического определения остановки, сокращая задержку ответа примерно на 250 миллисекунд, снижение явлений перебивания на 40%, что позволяет точнее различать паузы пользователя и завершение диалога. Также за счет спекулятивного семплирования и оптимизации квантования система сохраняет низкую задержку и плавность работы в условиях высокой нагрузки, что повышает общее удовлетворение от разговора примерно на 8,34%.

Это обновление означает, что AI-голос движется в направлении «реального времени, мультимодального, человекоподобного взаимодействия», и в будущем возможно интегрировать визуальные возможности, способствуя развитию интеллектуальных помощников в направлении «слушать, видеть, думать, говорить». (Источник: ByteDance)