Einordnung und Veröffentlichungsdatum
Seed LiveInterpret 2.0 ist ein durchgängiges Echtzeit-Simultandolmetschmodell des Seed-Teams von ByteDance. Es verwendet ein Vollduplex-Framework zur Sprachverarbeitung und -generierung und ist für die sprachübergreifende Kommunikation vorgesehen. Die offizielle Ankündigung wurde am 2025-07-24 veröffentlicht. (seed.bytedance.com)
Fähigkeiten und Anwendungen
- Unterstützt gestreamte Spracheingaben und erzeugt die Übersetzung bereits während des Zuhörens. Es kann übersetzten Text oder übersetzte Sprache ausgeben und unterstützt das Zero-Shot-Klonen von Stimmen auf Basis von Echtzeit-Sprache. Geeignet ist es unter anderem für mehrsprachige Konferenzen, Vorträge, Echtzeit-Untertitel und Sprachanrufe. (seed.bytedance.com)
- Bei der offiziellen Veröffentlichung wurde hauptsächlich die bidirektionale Übersetzung zwischen Chinesisch und Englisch vorgestellt. Laut der aktuellen Servicedokumentation von Volcengine unterstützt das Doubao-Simultandolmetschmodell 2.0 48 Sprachen und 9 chinesische Dialekte; bei der Übersetzungsrichtung muss mindestens eine der beiden Sprachen, Ausgangs- oder Zielsprache, Chinesisch oder Englisch sein. Dieser Umfang entspricht der aktuellen Servicedokumentation und ist nicht als bereits am Veröffentlichungstag unterstützt anzusehen. (seed.bytedance.com)
- In der offiziellen RealSI-Evaluierung für Chinesisch und Englisch betrug die durchschnittliche menschliche Bewertung der Übersetzungsqualität bei der Sprache-zu-Text-Aufgabe 74,8/100; bei der Sprache-zu-Sprache-Aufgabe betrug die Gesamtbewertung 66,3/100. Die angegebenen durchschnittlichen Ausgabeverzögerungen betrugen 2,21 beziehungsweise 2,53 Sekunden. Diese Ergebnisse wurden unter bestimmten Testbedingungen erzielt und sind keine Garantie für alle Szenarien. (seed.bytedance.com)
Einschränkungen
Offiziellen Angaben zufolge besteht bei der Stabilität des Stimmenklonens, der Ausdruckskraft der Sprache, der Nachbildung von Emotionen sowie der Übersetzungsgenauigkeit in äußerst komplexen Szenarien weiterhin Verbesserungspotenzial. Die tatsächliche Qualität und Verzögerung werden von der Klarheit, Flüssigkeit und Komplexität der eingegebenen Sprache beeinflusst; wichtige Inhalte sollten von Menschen überprüft werden. (seed.bytedance.com)
Preise
Bei der Abfrage zum Stand 2026-11-18 führte die chinesische Volcengine-Website den Dienst als „Doubao-Simultandolmetschmodell“. Die nutzungsbasierten Postpaid-Preise in Renminbi (CNY) betragen: Eingabe 80 Yuan/Million Token, Textausgabe 80 Yuan/Million Token, Audioausgabe 300 Yuan/Million Token. Laut offiziellen Angaben entfallen auf eingegebenes Audio etwa 6,25 Token pro Sekunde und auf ausgegebenes Audio etwa 25 Token pro Sekunde; maßgeblich für den tatsächlichen Verbrauch ist die Rechnung. Dies sind Preise für den chinesischen Dienst; für die konkreten Anwendungsbedingungen und Gebühren ist die Konsole maßgeblich. (docs.volcengine.com)
Dasselbe chinesische Preisdokument führt auch vorausbezahlte Ressourcenpakete mit einjähriger Laufzeit auf: 1 Milliarde Token für 56.000 Yuan, 5 Milliarden Token für 240.000 Yuan und 10 Milliarden Token für 400.000 Yuan. Eingabe und ausgegebener Text werden im Verhältnis 1:1 angerechnet; bei ausgegebenem Audio wird 1 Token als 3,75 Token angerechnet. Der aus dem Ressourcenpaket errechnete Stückpreis kann nicht unmittelbar als einheitlicher Preis für alle Arten tatsächlich verbrauchter Token verwendet werden. (docs.volcengine.com)
Die Preisseite für Simultandolmetschen auf der internationalen BytePlus-Website wurde ebenfalls aufgerufen, bei diesem Abruf konnten jedoch keine überprüfbaren Preisinhalte gewonnen werden. Daher werden keine US-Dollar-Beträge aufgeführt. (docs.byteplus.com)