<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>实时音视频 &#8211; mylogs.cn</title>
	<atom:link href="https://mylogs.cn/tag/%e5%ae%9e%e6%97%b6%e9%9f%b3%e8%a7%86%e9%a2%91/feed/" rel="self" type="application/rss+xml" />
	<link>https://mylogs.cn</link>
	<description>发现、记录、分享</description>
	<lastBuildDate>Thu, 19 Nov 2026 09:04:40 +0000</lastBuildDate>
	<language>zh-Hans</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	
	<item>
		<title>对话节奏问题减半：豆包实时音视频模型 API 全量上线</title>
		<link>https://mylogs.cn/%e5%af%b9%e8%af%9d%e8%8a%82%e5%a5%8f%e9%97%ae%e9%a2%98%e5%87%8f%e5%8d%8a%ef%bc%9a%e8%b1%86%e5%8c%85%e5%ae%9e%e6%97%b6%e9%9f%b3%e8%a7%86%e9%a2%91%e6%a8%a1%e5%9e%8b-api-%e5%85%a8%e9%87%8f%e4%b8%8a/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Thu, 19 Nov 2026 09:04:40 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI应用]]></category>
		<category><![CDATA[API]]></category>
		<category><![CDATA[SeedRealtime]]></category>
		<category><![CDATA[多模态]]></category>
		<category><![CDATA[实时音视频]]></category>
		<category><![CDATA[火山引擎]]></category>
		<category><![CDATA[豆包]]></category>
		<guid isPermaLink="false">https://mylogs.cn/%e5%af%b9%e8%af%9d%e8%8a%82%e5%a5%8f%e9%97%ae%e9%a2%98%e5%87%8f%e5%8d%8a%ef%bc%9a%e8%b1%86%e5%8c%85%e5%ae%9e%e6%97%b6%e9%9f%b3%e8%a7%86%e9%a2%91%e6%a8%a1%e5%9e%8b-api-%e5%85%a8%e9%87%8f%e4%b8%8a/</guid>

					<description><![CDATA[结论：火山引擎 2026 年 11 月 19 日全量上线豆包实时音视频通话模型 SeedRealtime 1. [&#8230;]]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph"><strong>结论</strong>：火山引擎 2026 年 11 月 19 日全量上线豆包实时音视频通话模型 SeedRealtime 1.0 的 API，把声音、画面、时序统一进一个端到端模型，实现&#8221;边看、边听、边说&#8221;，音视频对话节奏问题比级联方案减少一半。开发者构建实时 AI 应用，从&#8221;会对话&#8221;迈向&#8221;会协助&#8221;。 <strong>关键数字</strong>：对话节奏问题减少 50% / 单一端到端模型替代 ASR+VLM+TTS 多模块串联 / 6 类真实场景案例</p>
<figure class="wp-block-table"><table><thead><tr><th>对比维度</th><th>传统级联系统</th><th>SeedRealtime 1.0</th></tr></thead><tbody><tr><td>架构</td><td>ASR、VLM、TTS 多模块串联</td><td>声音/画面/时序统一进单一端到端模型</td></tr><tr><td>延迟与信息损耗</td><td>多模块串联叠加</td><td>显著降低（官方口径）</td></tr><tr><td>对话节奏问题</td><td>基准</td><td>减少一半</td></tr><tr><td>交互方式</td><td>被动等待提问</td><td>持续感知、主动开口</td></tr></tbody></table></figure>
<h2 class="wp-block-heading">为什么能&#8221;边看边听边说&#8221;</h2>
<p class="wp-block-paragraph">传统语音系统靠自动语音识别、视觉语言模型、语音合成等多个模块串联，每段衔接都会累积延迟和信息损耗。SeedRealtime 1.0 把声音、画面、时序与表达统一到一个端到端模型，在连续的多模态信息流上实时交互，&#8221;听到的&#8221;和&#8221;看到的&#8221;共同参与每一次判断。模型不再只是等待提问，而能持续理解场景变化，在合适时机主动开口。</p>
<h2 class="wp-block-heading">嗡杂环境里如何分清对象</h2>
<p class="wp-block-paragraph">该模型原生支持声音、画面与时序信息的深度融合，既能结合场景消解同音词歧义，也能理解视觉中的时序指代。在多人聚餐场景中，它可结合视觉与语音区分不同人物、记住各人身份，并依据不同需求定制旅行方案。在机场等嘈杂交通场景，它能过滤无关闲聊，在用户询问时调用此前看到的大屏航班信息作答，并识别指示牌指引乘车点。</p>
<h2 class="wp-block-heading">从&#8221;会对话&#8221;到&#8221;会协助&#8221;</h2>
<p class="wp-block-paragraph">持续环境感知与主动表达是该模型的另一核心能力。在机器操作场景，它看到用户把整颗咖啡豆倒入萃取手柄，会及时提醒需要先研磨；萃取完成后，又根据咖啡油脂和出液量主动给出缩短萃取时长的建议。在学习场景，它持续监控翻页画面，识别到指定章节后主动提醒，并报出学习率、动量、权重衰减等训练参数。这些能力让模型在设备操作、学习辅助、任务提醒等流程中无需用户逐步发问即可介入。</p>
<h2 class="wp-block-heading">这对开发者意味着什么</h2>
<p class="wp-block-paragraph">对构建语音助手、智能硬件、陪伴式应用、实时客服的开发者而言，端到端架构带来的节奏改善和主动交互能力，意味着人机互动体验更接近自然交流。值得注意的是，上述效果数据来自火山引擎官方口径，实际表现仍需在具体业务场景中验证；API 已全量上线，开发者可接入体验。</p>
<h2 class="wp-block-heading">常见问题</h2>
<h3 class="wp-block-heading">这个 API 现在能用吗？</h3>
<p class="wp-block-paragraph">能。火山引擎已于 2026 年 11 月 19 日全量上线 SeedRealtime 1.0 的 API 服务，开发者可接入体验。</p>
<h3 class="wp-block-heading">它和传统语音助手最大的区别是什么？</h3>
<p class="wp-block-paragraph">传统方案靠多个模块串联、被动等待提问；SeedRealtime 把看、听、说纳入同一实时决策体系，能持续感知环境并主动开口。</p>
<h3 class="wp-block-heading">&#8220;对话节奏问题减少一半&#8221;是谁的数据？</h3>
<p class="wp-block-paragraph">这是火山引擎在发布时对官方测试口径的描述，相比级联模型的对比结果，尚无第三方独立验证数据公布。</p>
<p class="wp-block-paragraph"><em>信息来源：火山引擎官方发布、IT之家 2026 年 11 月 19 日报道。</em></p>]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
