ByteDance, full-duplex SeedRealtime modelini duyurdu

ByteDance, ses, görüntü ve metni tek mimaride birleştiren native full-duplex büyük dil modeli SeedRealtime’ı kullanıma sundu. Model, sürekli çoklu modal akışlar üzerinden gerçek zamanlı etkileşim kurarak aynı anda izleme, dinleme ve konuşma deneyimi vaat ediyor.

SeedRealtime, klasik zincirleme (cascade) sistemlerde sık görülen ayrı dinleme, yazıya dökme ve yanıt üretme adımlarını tek bir uçtan uca yapıda toplamayı hedefliyor. Böylece model, ses ve video girdilerini birlikte işleyip doğrudan yanıt üretebiliyor; konuşma ritminde gecikme, üst üste binme veya kopuk cevap riskini azaltmayı amaçlıyor.

Ne sunuyor?

Şirketin aktardığına göre SeedRealtime birleşik bir mimariyle ses, video ve metni native biçimde kaynaştırıyor. Bu yaklaşım, kesintisiz çoklu modal akışlar üzerinde gerçek zamanlı etkileşime olanak tanıyor. Kullanıcı tarafında öne çıkan vaat, modelin eşzamanlı olarak izleyebilmesi, dinleyebilmesi ve konuşabilmesi.

• Native ses-görüntü full-duplex LLM mimarisi
• Ses, video ve metnin tek modelde birleştirilmesi
• Sürekli multimodal akışlar üzerinden gerçek zamanlı etkileşim
• Eşzamanlı “izle, dinle ve konuş” deneyimi
• Doubao uygulamasında sesli ve görüntülü sohbet desteği

Doubao uygulamasında erişim

SeedRealtime, ByteDance’in tüketici odaklı yapay zeka uygulaması Doubao’da kullanıma açıldı. Modelin uygulamada ücretsiz olarak sesli ve görüntülü konuşmalara imkân verdiği belirtiliyor. Bu adım, teknolojinin yalnızca araştırma demosu olmaktan çıkıp tüketici ürününe taşındığını gösteriyor.

ByteDance’in Seed ailesi daha önce metin, görüntü üretimi ve gerçek zamanlı ses etkileşimi gibi alanlarda modeller barındırıyordu. SeedRealtime, bu portföye native ses-görüntü full-duplex yetenek ekleyerek şirketin gerçek zamanlı çoklu modal etkileşim hattını genişletiyor.

Neden önemli?

Full-duplex sistemler, kullanıcının konuşurken modelin de dinlemeye ve gerektiğinde araya girmeye devam etmesini hedefler. Ses ile görüntünün aynı anda işlenmesi, özellikle canlı asistan, uzaktan destek, eğitim ve araç içi etkileşim gibi senaryolarda daha doğal diyalog vaat eder. SeedRealtime’ın Doubao’ya entegrasyonu, bu yeteneğin laboratuvar ortamından günlük kullanıma geçişini hızlandırabilir.

Yine de modelin gecikme performansı, gürültülü ortamlardaki dayanıklılığı, görsel anlama sınırı ve farklı dillerdeki tutarlılığı gibi detaylar için bağımsız test sonuçları henüz sınırlı. Kullanıcı deneyimi, uygulamanın sunduğu erişim koşulları ve cihaz performansına göre de değişebilir.

Özetle ByteDance, SeedRealtime ile ses-görüntü-metin birleşimli gerçek zamanlı bir asistan deneyimini Doubao üzerinden sahaya indirdi. Hamle, Çin merkezli büyük teknoloji şirketlerinin çoklu modal ve düşük gecikmeli sohbet yarışındaki konumunu güçlendirmeyi amaçlıyor.