产品定位：超低时延语音端到端同声传译模型
豆包同声传译模型，专为实时跨语言交流场景设计。基于端到端语音理解生成技术，依托集成化的模型架构，豆包同传大模型能够无缝衔接完成从语音识别、语义理解到翻译的自然输出，避免了传统级联模型中多模块运作时的延迟和误差叠加问题，极大地提升了整体效率和用户体验。即便是在讲话人频繁打断、语速不均等复杂实时对话场景中，也能迅速作出反应，精准翻译每一句话。支持中英互译，可实时处理多人语音输入，可以像人类同传译员一样以极低的延迟 “边听边说”，同时，Seed LiveInterpret 2.0 还支持零样本声音复刻，让沟通更加流畅自然。
该模型支持2种模式：

• 语音到文本（S2T）：​语音流式输入，对语音理解翻译后文本返回；
• 语音到语音（S2S）：​语音流式输入，对语音理解翻译后，模型自动对说话人声音进行复刻，并按照说话人的音色进行目标语种语音的输出；

PC版本：https://console.volcengine.com/ark/region:ark+cn-beijing/experience/voice?type=SI
H5版本：https://www.volcengine.com/product/realtime-voice-model
模型介绍及demo：Seed 端到端同声传译大模型发布：准确率接近真人，3s 延迟，实时声音复刻

• 高质量翻译，媲美真人：​精准的语音理解能力保障了翻译准确度；在多人说话、中英混杂等复杂场景下，模型仍能实现高质量的传译。
• 实时翻译，超低延时：​采用全双工语音理解生成框架，翻译延迟可低至 2-3 秒，实现文本与语音的同步生成，真正做到“边听边说”的翻译。
• 零样本声音复刻，更自然：​统一的语音理解生成框架让模型实现了精准还原说话者音色，无需提前录制，一边说话一边采样，即可合成“原声”语音翻译。
• 节奏流畅，更智能：​可根据说话的清晰度，流畅度，复杂程度等调整输出节奏，智能平衡翻译质量、延迟以及语音节奏，做到真正的“同声传译”。

优势对比

• 国际会议/商务会议：​开启字幕翻译功能，避免了语言不通造成的沟通障碍，帮助参会各方高效合作
• 手机通话/助手：​手机助手内置同声传译的功能，或者在实时通话中提供同声传译服务
• 智能硬件：​耳机、眼镜、翻译机等硬件，接入语音同传服务，提供跨语言办公或旅游支持
• 在线教育：​app或学习机，提供实时字幕，跨越语言障碍，让用户离知识更进一步