产品信号
ByteDance Seed发布SeedRealtime
ByteDance Seed发布SeedRealtime Audio-Visual Full-Duplex LLM，把其全双工交互路线从音频原生模型进一步推进到音视频模型。
ByteDance Seed已发布SeedRealtime Audio-Visual Full-Duplex LLM。这一变化的核心不只是增加视觉输入，而是把其已落地的音频全双工路线推进到音视频实时交互：模型被定位为朝向更自然的全模态对话发展，实时交互开始成为多模态模型产品化的一条独立能力轴。
从音频全双工走向音视频交互
ByteDance Seed官方宣布发布SeedRealtime Audio-Visual Full-Duplex LLM，明确将产品定位于全模态自然交互。该机构此前披露，Seed Full-Duplex Speech LLM已在Doubao App全量部署，意味着其全双工路线并非停留在纯研究演示。新模型名称和发布方向显示，ByteDance Seed正把此前围绕语音听说同步展开的系统，推进至同时涉及音频与视觉信号的实时交互层。
全双工竞争解决的是交互节奏
传统半双工助手通常按“用户说完、模型回答”运行；全双工系统则需要判断何时倾听、何时反馈、何时承受用户打断，并避免把环境声或短暂停顿误解为轮次结束。ByteDance Seed此前称，其音频原生模型在复杂场景中改善了打断与误响应问题。Full-Duplex-Bench则将这类能力拆为停顿处理、反馈语、平滑交接和打断管理，并以接管率、反馈时机偏差和响应延迟衡量。
多模态实时性将进入产品检验
音视频全双工若能在实际部署中稳定工作，助手、客服及需要感知环境的系统或可把视觉上下文纳入连续对话，而非等待一次次指令提交。这会让竞争重点部分转向低延迟感知、轮次控制和交互可靠性。最强的反例来自τ-Voice：其评测中，全双工语音代理在真实任务及噪声、多口音条件下的完成率明显受限，说明更自然的交互节奏并不自动转化为可靠的端到端执行。
接下来关注什么
下一步可观察的证据包括：ByteDance Seed是否披露SeedRealtime的实际部署范围、延迟与复杂场景表现；是否提供与既有音频模型一致的量化指标；以及独立评测能否在打断、噪声、多口音和真实任务完成率上验证其改进。若这些指标未改善，音视频全双工的产品价值将被削弱。
信源
- ByteDance Seed Blog — SeedRealtime Audio-Visual Full-Duplex LLM Released: Toward Omni-Modal Natural Interaction
- ByteDance Seed — Introducing Seed Full-Duplex Speech LLM: Attentive Listening, Robust Interference Suppression, Enabling More Natural Interaction
- arXiv — Full-Duplex-Bench: A Benchmark to Evaluate Full-duplex Spoken Dialogue Models on Turn-taking Capabilities
- OpenReview — τ-Voice: Benchmarking Full-Duplex Voice Agents on Real-World Domains