ByteDance phát hành mô hình ngôn ngữ thoại toàn song công Seeduplex, giao tiếp bằng AI bước vào kỷ nguyên "nghe và nói cùng lúc"

Thông báo AIMPACT, ngày 9 tháng 4, đội ngũ Seed của ByteDance đã phát hành mô hình ngôn ngữ giọng nói song công nguyên sinh Seeduplex, và hiện đã được triển khai toàn diện trên ứng dụng Doubao, đánh dấu việc tương tác bằng giọng nói nâng cấp từ “theo lượt” lên hội thoại tự nhiên theo thời gian thực.

Seeduplex kết hợp mô hình hóa liên hợp giữa giọng nói và ngữ nghĩa, đạt được khả năng xử lý đồng bộ “vừa nghe vừa nói”, đồng thời trong môi trường phức tạp khả năng kháng nhiễu được cải thiện rõ rệt. Dữ liệu cho thấy, so với các giải pháp bán song công truyền thống, tỷ lệ trả lời sai và tỷ lệ ngắt lời nhầm giảm khoảng 50%.

Về trải nghiệm tương tác, mô hình này đưa vào công nghệ dừng/đoán dừng động, giúp rút ngắn độ trễ phản hồi khoảng 250 mili giây, tình trạng “cướp lời” giảm 40%, từ đó phân biệt chính xác hơn giữa sự ngừng của người dùng và phần kết thúc của hội thoại. Đồng thời, nhờ lấy mẫu dự đoán và tối ưu hóa lượng tử hóa, hệ thống trong các kịch bản lưu lượng cao vẫn duy trì độ trễ thấp và tính mượt mà; mức độ hài lòng khi gọi tổng thể tăng khoảng 8,34%.

Việc nâng cấp lần này có nghĩa là giọng nói AI đang tiến tới sự phát triển theo hướng “thời gian thực, đa phương thức, tương tác giống người”, và trong tương lai có khả năng kết hợp năng lực thị giác, thúc đẩy trợ lý thông minh phát triển theo hướng “nghe, nhìn, nghĩ, nói” tích hợp. (Nguồn: ByteDance)