動察 Beating のモニタリングによると、字節跳動(ByteDance)の Seed が SeedRealtime を発表し、豆包(Doubao)アプリで提供を開始した。これは音声と映像を同時に処理し、見ながら・聞きながら・答えながら対応できる。前世代の音声のみ対応の Seeduplex と比べ、今回はリアルタイムの視覚能力が新たに追加された。
ユーザーはカメラに向かって物を探したり、操作を確認したり、文字を読ませたりできる。目標が現れたり、画面が変化したり、ユーザーが手順を誤った場合には、質問を待たずに自ら注意を促す。
複数人や騒がしい環境でも、誰が話しているかを判断でき、顔・音声・ジェスチャーを組み合わせて文脈を理解する。字節跳動によると、割り込み、反応の遅さ、ノイズによる誤発動などの問題は、従来の組み合わせ方式と比べて約半分に削減されたという。