火山引擎 11 月 19 日公开 Doubao SeedRealtime 1.0 的接入说明。开发者可在实时语音会话中同时送入视频帧或图片,让模型结合画面和上下文用语音回答。
文档将它列为豆包实时语音能力的扩展。客户端可以使用摄像头或屏幕画面,视频输入频率最高为每秒 2 帧。
该功能以开发者 API 方式提供。原文包含开通条件和交互接口,适用范围以具体模型的文档为准。
配图为 GETAI.APP 使用 ImageGen 生成的主题插画。
GETAI EDITORIAL DISPATCH新闻报道
开发者可在实时语音会话中加入摄像头或屏幕画面。文档规定视频帧输入最高每秒 2 帧。