字节跳动近日在语音交互领域迈出重要一步，正式发布原生全双工语音大模型Seeduplex。这款基于"边听边说"架构研发的语音系统，通过突破传统半双工模式的交互局限，实现了对话流畅度与自然度的显著提升，标志着全双工技术从实验室走向大规模商用阶段。
相较于前代豆包端到端语音模型采用的半双工模式，Seeduplex的创新性体现在同步处理输入输出信号的能力上。该模型通过优化神经网络架构，使系统能够在接收语音的同时即时生成响应，彻底改变了传统语音交互中"先听后说"的延迟模式。经实测，新系统在对话连贯性、语义理解准确率等核心指标上均有突破性进展。
目前该技术已全面集成至豆包App，为超过1亿用户提供实时语音服务。这项部署创造了行业先例——首次将实验室级别的全双工技术转化为亿级用户规模的商业应用。用户在使用过程中可体验到类似真人对话的交互效果，系统能自然处理打断、停顿等复杂场景，在车载导航、智能客服等场景具有广泛应用前景。
技术团队透露，Seeduplex的研发历时18个月，涉及声学建模、语言理解、多模态感知等多个领域的协同突破。其核心优势在于构建了端到端的语音处理管道，通过自监督学习框架显著提升了系统在噪声环境下的鲁棒性。随着5G网络的普及和边缘计算的发展，这类实时交互技术有望重塑人机沟通方式。
