定位与发布日期
Seed LiveInterpret 2.0 是字节跳动 Seed 团队的端到端实时同声传译模型,采用全双工语音理解与生成框架,面向跨语言交流。官方公告发布日期为 2025-07-24。(seed.bytedance.com)
能力与用途
- 支持流式语音输入,边听边生成译文;可输出翻译文本,也可输出翻译语音,并支持基于实时语音的零样本声音复刻。适用于跨语言会议、演讲、实时字幕和语音通话等场景。(seed.bytedance.com)
- 官方发布时主要介绍中英双向翻译。根据当前火山引擎服务文档,豆包同声传译大模型 2.0 支持 48 个语种及 9 种中文方言;翻译方向的源语言和目标语言中至少一方须为中文或英文。该范围是当前服务文档所述,不应视为发布当日已支持的范围。(seed.bytedance.com)
- 在官方 RealSI 中英评测中,语音到文本任务的平均人工翻译质量评分为 74.8/100;语音到语音任务的综合评分为 66.3/100。报告的平均输出延迟分别为 2.21 秒和 2.53 秒;这些是特定测试条件下的结果,并非所有场景的保证。(seed.bytedance.com)
限制
官方指出,声音复刻的稳定性、语音表现力、情绪复刻以及极复杂场景下的翻译准确性仍有改进空间。实际效果和延迟会受输入语音清晰度、流畅度及复杂程度影响;重要内容宜由人工复核。(seed.bytedance.com)
价格
截至 2026-11-18 查询,火山引擎国内站将该服务列为“豆包同声传译大模型”,按调用后付费的人民币(CNY)价格为:输入 80 元/百万 token、输出文本 80 元/百万 token、输出音频 300 元/百万 token。官方说明输入音频每秒约 6.25 token、输出音频每秒约 25 token,实际用量以账单为准。上述是国内服务价格,具体适用条件及费用以控制台为准。(docs.volcengine.com)
同一国内定价文档也列出一年期预付费资源包:10 亿 token 为 56,000 元、50 亿 token 为 240,000 元、100 亿 token 为 400,000 元。输入和输出文本按 1:1 抵扣,输出音频按 1 token 折算 3.75 token 抵扣,不能将资源包折算单价直接当作各类实际 token 的统一价格。(docs.volcengine.com)
已检索 BytePlus 国际站同声传译定价页面,但本次读取未能获得可核实的价格内容,因此不列美元金额。(docs.byteplus.com)