ByteDance випустила повнодуплексну мовну модель Seeduplex, імітація голосового спілкування з штучним інтелектом входить у еру «слухати і говорити одночасно»

Повідомлення AIMPACT, 9 квітня, команда Seed від ByteDance опублікувала нативну повнодуплексну мовну велику модель Seeduplex, і її вже повністю розгорнуто в застосунку Doubao. Це означає, що мовна взаємодія переходить від «почергового режиму» до реального природного діалогу.

Seeduplex завдяки спільному моделюванню голосу й семантики забезпечує синхронну обробку в режимі «слухай і говори одночасно». У складних умовах помітно підвищується стійкість до перешкод. Згідно з даними, порівняно з традиційними напівдуплексними рішеннями рівень помилкових відповідей і помилкових переривань знизився приблизно на 50%.

Щодо досвіду взаємодії, ця модель впроваджує динамічну технологію визначення моменту зупинки, що скорочує затримку відповіді приблизно на 250 мілісекунд. Частота «перехоплення реплік» зменшилась на 40%, а система точніше розрізняє паузу користувача та завершення діалогу. Водночас завдяки опортуністичній вибірці та оптимізації квантування система в умовах високої одночасності зберігає низьку затримку й плавність, а загальна задоволеність дзвінками зросла приблизно на 8,34%.

Це оновлення означає еволюцію AI-голосу в напрямі «реального часу, мультимодальності та взаємодії, подібної до людської». У майбутньому є перспективи поєднати можливості бачення, щоб розвивати інтелектуальних помічників у напрямі інтеграції «слухати, бачити, думати, говорити». (Джерело: ByteDance)