豆包視訊通話升級接入 SeedRealtime 模型，底層改用火山引擎 MMT 將連線耗時降至數百毫秒

字節跳動旗下 AI 助手「豆包」視訊通話功能升級，接入原生音視訊全雙工大模型 SeedRealtime，並將底層傳輸架構從傳統 RTC 升級為火山引擎多模態傳輸系統（MMT）。 新版功能支援同時接收音訊、視訊與文本輸入，AI 可根據環境變化主動開口提醒或呼叫工具；官方評測顯示，相較傳統級聯方案，對話節奏違和問題減少約 50%。 底層 MMT 架構基於 QUIC 庫與 MoQ 協定，將媒體傳輸與模型會話整合，使建立連線耗時從秒級壓縮至數百毫秒。為解決丟字與答非所問問題，MMT 網關層引入 MediaKit 同源處理演算法，確保首幀完整、音畫對齊且模型就緒後才觸發推理。此外，傳輸層改採 C/S 架構設計具備智慧調度能力，可根據模型需求動態觸發高清圖或抽幀，取代傳統的固定碼率傳輸。