Positionnement et date de publication
Seed LiveInterpret 2.0 est un modèle de traduction simultanée en temps réel de bout en bout de l’équipe Seed de ByteDance. Il utilise un cadre de compréhension et de génération vocales en duplex intégral et s’adresse aux échanges entre langues. L’annonce officielle a été publiée le 2025-07-24. (seed.bytedance.com)
Capacités et usages
- Prend en charge les entrées vocales en streaming et génère la traduction au fil de l’écoute ; peut produire du texte traduit ou une traduction vocale et prend en charge le clonage vocal sans exemple préalable à partir de la voix en temps réel. Convient notamment aux réunions et discours multilingues, aux sous-titres en temps réel et aux appels vocaux. (seed.bytedance.com)
- Lors de la publication officielle, la présentation portait principalement sur la traduction bidirectionnelle entre le chinois et l’anglais. Selon la documentation actuelle du service Volcengine, le grand modèle de traduction simultanée Doubao 2.0 prend en charge 48 langues et 9 dialectes chinois ; au moins l’une des langues source et cible doit être le chinois ou l’anglais. Ce périmètre est celui décrit dans la documentation actuelle du service et ne doit pas être considéré comme pris en charge dès le jour de la publication. (seed.bytedance.com)
- Dans l’évaluation officielle RealSI chinois-anglais, la note moyenne de qualité de traduction attribuée par des évaluateurs humains pour la tâche de traduction vocale vers texte était de 74.8/100 ; la note globale pour la tâche de traduction vocale vers voix était de 66.3/100. Les latences moyennes de sortie rapportées étaient respectivement de 2.21 secondes et 2.53 secondes ; ces résultats ont été obtenus dans des conditions de test particulières et ne sont pas garantis dans tous les scénarios. (seed.bytedance.com)
Limites
Selon l’annonce officielle, la stabilité du clonage vocal, l’expressivité de la voix, la reproduction des émotions et la précision de la traduction dans des situations extrêmement complexes peuvent encore être améliorées. Les résultats et la latence réels dépendent de la clarté, de la fluidité et de la complexité de la parole en entrée ; les contenus importants devraient être vérifiés par une personne. (seed.bytedance.com)
Prix
Lors de la consultation au 2026-11-18, le site chinois de Volcengine répertoriait ce service sous le nom de « grand modèle de traduction simultanée Doubao », aux tarifs postpayés à l’utilisation suivants en renminbis (CNY) : entrée 80 yuans/million de tokens, texte de sortie 80 yuans/million de tokens, audio de sortie 300 yuans/million de tokens. Selon les indications officielles, l’audio en entrée représente environ 6.25 tokens par seconde et l’audio en sortie environ 25 tokens par seconde ; la consommation réelle est celle indiquée sur la facture. Ces tarifs concernent le service en Chine ; les conditions d’application et les frais précis sont ceux indiqués dans la console. (docs.volcengine.com)
La même documentation tarifaire chinoise répertorie également des forfaits de ressources prépayés d’une durée d’un an : 1 milliard de tokens pour 56,000 yuans, 5 milliards de tokens pour 240,000 yuans et 10 milliards de tokens pour 400,000 yuans. L’entrée et le texte de sortie sont déduits au ratio 1:1 ; pour l’audio de sortie, 1 token est converti en 3.75 tokens à déduire. Le prix unitaire calculé à partir du forfait ne peut pas être directement considéré comme un prix uniforme pour tous les types de tokens réellement consommés. (docs.volcengine.com)
La page de tarification de la traduction simultanée sur le site international BytePlus a également été consultée, mais cette lecture n’a pas permis d’obtenir des prix vérifiables ; aucun montant en dollars américains n’est donc indiqué. (docs.byteplus.com)