字節(jié)跳動(dòng)近日在語(yǔ)音交互領(lǐng)域邁出重要一步，正式發(fā)布原生全雙工語(yǔ)音大模型Seeduplex。這款基于"邊聽(tīng)邊說(shuō)"架構(gòu)研發(fā)的語(yǔ)音系統(tǒng)，通過(guò)突破傳統(tǒng)半雙工模式的交互局限，實(shí)現(xiàn)了對(duì)話流暢度與自然度的顯著提升，標(biāo)志著全雙工技術(shù)從實(shí)驗(yàn)室走向大規(guī)模商用階段。

相較于前代豆包端到端語(yǔ)音模型采用的半雙工模式，Seeduplex的創(chuàng)新性體現(xiàn)在同步處理輸入輸出信號(hào)的能力上。該模型通過(guò)優(yōu)化神經(jīng)網(wǎng)絡(luò)架構(gòu)，使系統(tǒng)能夠在接收語(yǔ)音的同時(shí)即時(shí)生成響應(yīng)，徹底改變了傳統(tǒng)語(yǔ)音交互中"先聽(tīng)后說(shuō)"的延遲模式。經(jīng)實(shí)測(cè)，新系統(tǒng)在對(duì)話連貫性、語(yǔ)義理解準(zhǔn)確率等核心指標(biāo)上均有突破性進(jìn)展。

目前該技術(shù)已全面集成至豆包App，為超過(guò)1億用戶(hù)提供實(shí)時(shí)語(yǔ)音服務(wù)。這項(xiàng)部署創(chuàng)造了行業(yè)先例——首次將實(shí)驗(yàn)室級(jí)別的全雙工技術(shù)轉(zhuǎn)化為億級(jí)用戶(hù)規(guī)模的商業(yè)應(yīng)用。用戶(hù)在使用過(guò)程中可體驗(yàn)到類(lèi)似真人對(duì)話的交互效果，系統(tǒng)能自然處理打斷、停頓等復(fù)雜場(chǎng)景，在車(chē)載導(dǎo)航、智能客服等場(chǎng)景具有廣泛應(yīng)用前景。

技術(shù)團(tuán)隊(duì)透露，Seeduplex的研發(fā)歷時(shí)18個(gè)月，涉及聲學(xué)建模、語(yǔ)言理解、多模態(tài)感知等多個(gè)領(lǐng)域的協(xié)同突破。其核心優(yōu)勢(shì)在于構(gòu)建了端到端的語(yǔ)音處理管道，通過(guò)自監(jiān)督學(xué)習(xí)框架顯著提升了系統(tǒng)在噪聲環(huán)境下的魯棒性。隨著5G網(wǎng)絡(luò)的普及和邊緣計(jì)算的發(fā)展，這類(lèi)實(shí)時(shí)交互技術(shù)有望重塑人機(jī)溝通方式。