ByteDance の SeedRealtime——見て、聞いて、話す、すべて同時に
ByteDance の Seed チームは水曜日、SeedRealtime を公開した。音声・映像・テキストをエンドツーエンドの単一システムでネイティブに融合した全二重(フルデュプレックス)対話モデルで、順番を待つのではなく、話している間も見続け、聞き続ける。同社によれば、音・映像・タイミングを合わせて読み取り、誰が話しかけているのか、何を求めているのかを判断する。すでにアシスタントアプリ「豆包(Doubao)」で稼働中だ。4月公開の音声のみのモデル Seeduplex を視覚の世界へ拡張したものとなる。
なぜ重要か全二重の音声対話は第一歩だった。「目」が加わることで、AI アシスタントはトランシーバーではなく、同じ部屋にいる人間のように振る舞い始める。ByteDance がこれを主力の消費者向けアシスタントに直接搭載したことは、リアルタイムのマルチモーダル対話が AI アプリの次の主戦場になることを示している。
アプリで読む——無料・9言語
関連ニュース
マイクロソフトの新モデルは話し終わる前に書き始めます。2026-10-05イレブンラボが学生に朗読音声を一年間無料で出します。
2026-10-05米国の研究所が中国勢に並ぶ公開モデルを無料で出します。
2026-10-05動画サイトが最高得点のオープン翻訳モデルを無料で公開した
2026-10-05短い動画通話で、半数の人がAIを本物の人間だと思った
2026-10-04