网易首页 > 网易号 > 正文 申请入驻

我试了一下豆包的全双工语音,这些场景真的有点离谱

0
分享至

先说结论从"对讲机"到"真电话":全双工到底牛在哪?技术上是怎么做到的?•听流:持续监听你的声音,提取语义•说流:根据语义生成回复,同时播放实测场景1:嘈杂咖啡厅,它真的能"听懂谁在跟它说话"实测场景2:思考停顿,它终于不抢话了实测场景3:实时打断,反应速度快到有点吓人实测场景4:飞花令对战,高频互动也能扛住技术对比:字节vs OpenAI,谁赢了?1延迟持平:Seeduplex的320ms延迟,和OpenAI GPT-4o Realtime完全一致2中文优先:GPT-4o Realtime只支持英文,Seeduplex首次在中文场景落地全双工3规模化落地:其他模型要么在实验室,要么只开放API,Seeduplex已经在豆包App全量上线,日活超1.45亿行业意义:语音交互进入"实时流"时代如何体验?1更新豆包App至最新版本2点击对话框内的"打电话"按钮3选择桃子音色(目前只有这个音色支持全双工)4开始对话——一次唤醒,持续聊天写在最后

4月9日,字节跳动发布了原生全双工语音大模型Seeduplex,已在豆包App全量上线。

这不是一次普通的语音模型迭代。这是全球首个亿级用户可用的全双工语音模型,标志着AI语音交互从"回合制"正式迈入"实时流"时代。

关键是:延迟只有320毫秒,和OpenAI的GPT-4o Realtime持平,但支持中文。

我第一时间试了一下,说实话,有点被震撼到。

先说个概念:什么是全双工?

以前的AI语音助手,都是"半双工"——你说话时它听,它说话时你等。就像对讲机,按住说话,松开听对方回复。

全双工是什么?就像真正的电话——双方可以同时说话,你可以随时打断它,它也能在你说话时插话。

传统半双工语音助手的延迟普遍超过2秒,你需要说完一整句话,等它处理,再等它回复。这种"回合制"交互,本质上把人类自然对话切割成了碎片。

好家伙,这个区别有多大?打个比方:

半双工= 对讲机:说完按按钮,等对方回复
全双工= 真电话:边听边说,随时打断

Seeduplex的核心突破,就是让AI语音从"对讲机"进化成了"真电话"。

我翻了十几篇技术资料,发现Seeduplex用的是"双流并行"架构。

以前的语音助手,处理流程是这样的:你说话 → 语音识别(ASR) → 大模型理解(LLM) → 语音合成(TTS) → 播放。每一步都要等上一步完成,延迟就是这么来的。

Seeduplex呢?它把"听"和"说"分成两条并行流水线:

两条流水线同时跑,互不等待。这就是"边听边说"的技术本质。

用一个类比:以前的语音助手像"接力赛",一棒接一棒;Seeduplex像"双轨铁路",两列火车同时跑。

这个架构的代价是计算量翻倍,但字节通过"共享KV-Cache"技术,把计算量降低了27%。这就是为什么它能在2B参数规模下,实现和1.6B参数的GPT-4o Realtime相同的延迟。

我特意选了一个人声鼎沸的咖啡馆做测试。邻桌大叔在讲电话,服务员在报单,咖啡机轰鸣——这几乎是语音助手的"灾难现场"。

以前用其他语音助手,这种情况基本就废了:要么把邻桌的话当成指令执行,要么直接卡壳。

但Seeduplex的表现让我有点意外。

我正在跟豆包聊"周末去哪玩",旁边服务员突然喊"一杯拿铁不加糖"。豆包只是短暂停顿了一下,等服务员走开,无缝接回"周末去哪玩"的话题。

它不是简单"降噪",而是像人类一样,在声学层面就分辨出"哪句是冲我来的"。

官方数据显示,在复杂场景下,Seeduplex的误回复率和误打断率比半双工模型减少了一半。这不是冰冷的数字,而是真实场景中的体验质变。

说实话,这个能力让我有点兴奋。以前在公共场所用语音助手,总得找个安静角落,生怕被噪音打断。现在?随便在哪都能用。

这是我最想测试的场景。

跟AI语音助手聊天,最烦的就是——我刚说一半,它就开始回复了。明明我还在思考下一句怎么说,它已经迫不及待地插嘴。

我故意在对话中频繁卡壳:"um…我觉得…um…我的想法是…um…"

以前的语音助手,听到第一个停顿就开始回复。结果我说完"我觉得",它已经开始回答了,我后面的话全被截断。

Seeduplex呢?它安静地等我说完。

它的"动态判停"能力,能联合语音和语义特征,综合判断用户意图。面对思考犹豫,它会耐心倾听;在用户说完后,又能快速响应。抢话比例下降了40%。

这个体验真的有点离谱。以前跟AI说话,得像写文章一样,一句话说完才能停顿。现在?可以像跟真人聊天一样,边想边说,它会等我。

这个场景我测试了多次。

我让豆包给我讲一个故事,讲到一半,我突然喊"等一下"。

以前用其他语音助手,我得等它把当前这句话说完,才能打断。有时候喊好几遍"停",它还在自顾自地讲。

Seeduplex呢?我刚喊出"等一下",它立刻收声。

词级实时打断准确率达到97.3%,延迟只有320毫秒——这个数字是什么概念?真人对话的平均反应时间大约是200-300毫秒。Seeduplex已经接近真人水平。

我试了好几次,每次打断都成功。这种"我说停它就停"的感觉,真的有点像在跟真人对话。

这个场景是意外发现的。

我突发奇想,跟豆包玩起了飞花令——每人说一句带"月"字的诗,看谁先卡住。

以前用语音助手玩这种游戏,体验很差:我说完,等2秒,它回复,我再接。节奏完全断了。

Seeduplex呢?我说"床前明月光",它秒回"疑是地上霜"。我说"举头望明月",它接"低头思故乡"。一来一回,节奏快得像在跟真人对战。

对话流畅度MOS分(主观体验评分)提升了12%,整体通话满意度提升了8.34%。这些数字背后,是用户从"忍耐"到"享受"的质变。

玩了十几轮,我才意识到:这已经不是"跟AI对话"了,这是"跟真人聊天"的感觉。

我整理了一下当前主流全双工语音模型的对比数据:

模型: Google Astra | 延迟: 1.2秒 | 语言支持: 多语言 | 参数规模: 8B | 可用性: 实验室

模型: Amazon Alexa LSM | 延迟: 800ms | 语言支持: 多语言 | 参数规模: - | 可用性: 未公开

模型: OpenAI GPT-4o Realtime | 延迟: 320ms | 语言支持: 仅英文 | 参数规模: 1.6B | 可用性: API

模型: 字节Seeduplex | 延迟: 320ms | 语言支持: 中文优先 | 参数规模: 2B | 可用性: 亿级用户

关键发现:

这是全双工语音技术第一次实现商业规模化落地。从实验室走向大众市场,这个跨越比技术参数本身更有意义。

Seeduplex的发布,不只是字节一个产品的升级,而是整个AI语音交互行业的里程碑。

过去十年,语音助手一直被困在"半双工陷阱"里:你必须说完一整句话,它才开始处理;它一旦开口,就听不见你的任何声音;背景里的一句杂音,可能就让它"断片"。

这种"回合制问答",本质上是把人类自然对话切割成碎片。机械感由此而生。

Seeduplex的突破,在于重构了对话的"时间感"。它不再依赖"静音时长"判断对话节点,而是像人类一样,通过"声学特征+语义状态"双轨判断。

用一个比喻:以前的语音助手像"读稿机器",你必须按它的节奏来;Seeduplex像"即兴对话",你们可以互相抢话、互相等待、互相打断。

这才是语音交互该有的样子。

我试了一下,体验方式很简单:

不需要每句话都喊"豆包豆包",唤醒一次就能一直聊下去。

Seeduplex代号没有公开,但它的能力一点都不低调。

320毫秒延迟、97.3%打断准确率、40%抢话比例下降——每一条都是实打实的进步。关键是,这是全球首个亿级用户可用的全双工语音模型,不是实验室里的Demo。

我试了一下,真的有点离谱。以前跟AI语音助手聊天,总得小心翼翼,生怕说错话、怕被打断、怕噪音干扰。现在?可以像跟真人一样,边想边说,随时打断,在咖啡厅也能用。

这不是"锦上添花",这是"交互革命"。

当然,Seeduplex也不是完美的。目前只支持桃子音色,多语种混合识别还有优化空间。但它的进步速度,让我对AI语音的未来充满期待。

下次更新,我们再聊聊全双工语音在更多场景的应用可能性。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
没有“星链”,乌克兰导弹怎么击中克里米亚大桥?或许永远也修不好了

没有“星链”,乌克兰导弹怎么击中克里米亚大桥?或许永远也修不好了

鹰眼Defence
2026-11-18 16:44:09
黄仁勋又下了步臭棋,前脚声明要回归英伟达,后脚就被董事会拒绝

黄仁勋又下了步臭棋,前脚声明要回归英伟达,后脚就被董事会拒绝

光电科技君
2026-11-18 11:31:59
比2-2更扎心的,是巴林主帅桑切斯赛后的表态,简直是对国足的双重羞辱

比2-2更扎心的,是巴林主帅桑切斯赛后的表态,简直是对国足的双重羞辱

南海浪花
2026-11-18 01:30:46
普京在深圳北理莫斯科大学演讲 下台前挥手示意

普京在深圳北理莫斯科大学演讲 下台前挥手示意

看看新闻Knews
2026-11-18 19:19:47
受贿数额特别巨大,中国农业发展银行原党委委员、副行长徐一丁被提起公诉

受贿数额特别巨大,中国农业发展银行原党委委员、副行长徐一丁被提起公诉

每日经济新闻
2026-11-18 18:43:23
银行 R2 理财都开始大面积亏损,自求多福吧

银行 R2 理财都开始大面积亏损,自求多福吧

干货收并购
2026-11-18 09:55:12
泽连斯基掀桌子,既然俄方一步也不退让,那就别指望乌克兰再克制

泽连斯基掀桌子,既然俄方一步也不退让,那就别指望乌克兰再克制

麓谷隐士
2026-11-17 00:05:04
中俄美元首会晤是否会讨论台湾问题,国台办回应

中俄美元首会晤是否会讨论台湾问题,国台办回应

界面新闻
2026-11-18 11:16:15
A股:今天精准收跌在3584点,信号非常强烈!明日将迎来关键转折

A股:今天精准收跌在3584点,信号非常强烈!明日将迎来关键转折

云鹏叙事
2026-11-18 00:00:04
高市早苗罕见表态:将继承历代内阁立场,当然也包括"村山谈话"

高市早苗罕见表态:将继承历代内阁立场,当然也包括"村山谈话"

锅锅爱历史
2026-10-17 01:34:01
日本彻底撕破脸!中日关系不可能回头,日本明确表示:中国是日本“前所未有的最大战略挑战”!

日本彻底撕破脸!中日关系不可能回头,日本明确表示:中国是日本“前所未有的最大战略挑战”!

扶苏聊历史
2026-11-17 14:55:44
祝贺!中国成功连任

祝贺!中国成功连任

政知新媒体
2026-11-17 07:11:29
我表妹在暨南大学见到全红婵,她说全红婵根本就不像网上说的那样。现实生活中的全红婵,肉眼看上去一点都不觉得胖。皮肤很白,人非常可爱

我表妹在暨南大学见到全红婵,她说全红婵根本就不像网上说的那样。现实生活中的全红婵,肉眼看上去一点都不觉得胖。皮肤很白,人非常可爱

背包旅行
2026-11-17 21:26:39
午后,突发!亚太市场,集体拉升!美联储大佬,最新发声

午后,突发!亚太市场,集体拉升!美联储大佬,最新发声

证券时报
2026-11-18 14:08:35
很多人好奇,黄仁勋作为英伟达创始人,为什么只有3.58%的股份?

很多人好奇,黄仁勋作为英伟达创始人,为什么只有3.58%的股份?

猫叔东山再起
2026-11-18 12:35:05
前国脚:别埋汰拜合拉木有身体没技术了!他能活到现在已经是奇迹了

前国脚:别埋汰拜合拉木有身体没技术了!他能活到现在已经是奇迹了

念洲
2026-11-18 08:15:52
离称霸,字节只差一个聊天软件了!

离称霸,字节只差一个聊天软件了!

城事堂
2026-11-17 14:09:44
中国绝不会接受本土遭到攻击后,还陪着你打所谓的 "有限战争"

中国绝不会接受本土遭到攻击后,还陪着你打所谓的 "有限战争"

迷彩人生
2026-11-13 10:25:30
杨瀚森为何总被DNP?开拓者老板给出答案,小杨努力融入送全队气泡水,只有莫兰德回礼,诺里只顾带卡尔森看电影

杨瀚森为何总被DNP?开拓者老板给出答案,小杨努力融入送全队气泡水,只有莫兰德回礼,诺里只顾带卡尔森看电影

詹妹侃体育
2026-11-18 18:37:03
2027年法国总统大选:勒庞向乌克兰确认,若当选将终止法国财政援助,称公共财政状况不允许

2027年法国总统大选:勒庞向乌克兰确认,若当选将终止法国财政援助,称公共财政状况不允许

忧郁天空
2026-11-17 20:00:37
2026-11-18 21:39:00
AI效率笔记
AI效率笔记
专注AI工具测评与效率提升。
398文章数 12关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

家居
旅游
亲子
本地
公开课

家居要闻

2026建博会(广州) 公装联探展交流活动

旅游要闻

青岛冬日赏鸥地图|沿着海岸线,赴一场海鸥之约

亲子要闻

宝宝气人但是聪明的4个行为

本地新闻

乌兰察布:以前种土豆,现在种Token

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版