快科技8月6日消息，今日，豆包宣布视频通话功能迎来升级，正式接入原生音视频全双工大模型SeedRealtime。
据介绍，SeedRealtime原生支持音视频联合理解，能够综合声音、画面及时间信息，判断当前该听谁说话、何时回应或保持沉默。
实现边看、边听、边说的自然连续交互，在业界率先实现音视频全双工技术的规模化落地。
该模型上线后，豆包视频通话可在连续变化的真实场景中，实现更自然的连续交互。
具体来看，SeedRealtime实现了三项核心突破。
首先是音视频联合理解，模型能够深度融合声音、画面与时序信息，既可结合当前场景消解同音词带来的歧义，也能准确理解画面中的时序指代，让所见、所闻和所说相互关联。
其次是主动交互能力，模型具备持续环境感知和主动表达能力，当画面状态发生变化或关键目标出现时，可主动向用户提醒，并能调用相关工具辅助表达，使交互从被动响应升级为主动协作。
最后是更流畅的交互节奏，模型可实时判断用户的对话状态，在适当时机自然接话、停顿或回应。
同时，SeedRealtime还具备较强的抗干扰能力，能够区分用户对话、旁人闲聊和背景噪声，减少误触发情况，使沟通过程更加流畅连贯。