字節跳動推出 SeedRealtime 原生音視訊 AI 模型並於豆包 App 上線

生成式 AI 助理正從文字問答走向可持續感知環境的即時互動，關鍵在於能否把聽、看、理解與回應整合於同一模型。字節跳動的 SeedRealtime 採原生音視訊全雙工架構，意在降低多模態元件串接造成的延遲，並以更自然的互動體驗追趕 OpenAI 等對手。

字節跳動 Seed 團隊於 2026 年 8 月 5 日發布 SeedRealtime，讓單一模型同步處理音訊、影像與文字串流，並在說話時持續聆聽與觀看。模型已正式部署至豆包 App；使用者可開啟手機鏡頭，針對眼前場景即時對話，將技術從研究展示推向消費級應用。