Doubao SeedRealtime erklärt: Sehen, hören und sprechen zugleich
Kurz gesagt: ByteDance Seed hat SeedRealtime am 2026-08-05 veröffentlicht. Es ist ein natives Audio-/Video-Full-Duplex-Modell und über den Telefon-Button im Doubao-Chat vollständig ausgerollt. Sie können während der Wiedergabe sprechen. Brauchen Sie später durchsuchbare Notizen, ist eine asynchrone Zusammenfassung oft besser.
Keep the notes after the call
Paste a long-form video URL — BibiGPT turns it into chapters, a transcript, and follow-up Q&A you can search later.
Kerndaten (90-Sekunden-Lektüre)
Stand 2026-08-19 hat ByteDance Seed am 2026-08-05 SeedRealtime veröffentlicht — ein natives Audio-/Video-Full-Duplex-Modell, vollständig live in der Doubao-App. Es liest Bild, Ton und Timing gemeinsam, sodass Sie während der Wiedergabe sprechen können. Ein Live-Call hinterlässt kein durchsuchbares Archiv; BibiGPT deckt diese Hälfte ab.
Features
Was SeedRealtime wirklich ausgeliefert hat
Das Release von ByteDance Seed am 2026-08-05 ist ein natives Full-Duplex-Modell — kein zusammengefügter Stack aus Sprach- und Vision-APIs. Es läuft in Doubao, nicht als Research-Preview.
Einheitliche Architektur für Audio + Video + Text
Ein Modell liest Bild, Tonspur und Gespräch im selben Stream — statt eines Captioners, der an ein Chat-Modell übergibt.
Drei zentrale Fähigkeiten
Gemeinsames Audio-Video-Verständnis, proaktives Eingreifen und ein natürlicheres Sprechtempo. Offiziell heißt das „sehen, hören und sprechen“.
Live im Doubao-Telefonmodus
Doubao aktualisieren, im Chat den Telefon-Button tippen — die Sitzung läuft auf SeedRealtime. ByteDance nennt das die erste großflächige Produktlandung von nativem A/V-Full-Duplex.
Wann eine asynchrone Zusammenfassung besser ist
Ein Live-Call eignet sich für „was passiert gerade“. Als Archiv taugt er wenig. BibiGPT macht das Gegenteil: aus einem fertigen Video werden Kapitel, Transkript und Folgefragen, die Sie morgen noch suchen können.
Sie brauchen eine Aufzeichnung, kein Gespräch
Vorlesungen, Earnings Calls und lange Podcasts werden wiederverwendet. Ein Doubao-Call verschwindet beim Auflegen. Kapitel mit Zeitstempeln plus Transkript sind das Artefakt für Ihre Notizen.
Sie sitzen nicht am Bildschirm
Full-Duplex verlangt, dass Sie im Call bleiben. Die asynchrone Zusammenfassung läuft im Pendelzug oder nach dem Stream — Link einfügen, später die Kernpunkte lesen.
Sie fragen dasselbe Video später noch einmal
Folgefragen an ein gespeichertes Transkript („Was sagten sie zu Preisen bei 47:00?“) sind ein anderes Produkt als Sprechen über einen Live-Feed. Video und Notizen bleiben.
5 zentrale Veränderungen (90-Sekunden-Lektüre)
Die wichtigsten Verschiebungen aus dem SeedRealtime-Launch am 2026-08-05.
- 1
Natives Full-Duplex, kein angeschraubter Stack
SeedRealtime wird als ein Audio-Video-Text-Modell trainiert. Es ist kein Captioner, der in ein Chat-Modell piped. Das meint „native“ in der Launch-Notiz.
- 2
Gemeinsames Verständnis von Bild, Ton und Zeit
Das Modell nutzt Frame, Tonspur und Turn-Timing zusammen, um Absicht zu schätzen — inklusive wann es von selbst sprechen soll.
- 3
Proaktives Eingreifen
ByteDance listet „aktive Intervention“ als Kernfähigkeit: Das Modell kann eingreifen, nicht nur antworten, wenn Sie fertig sind.
- 4
In Doubao ausgeliefert, keine Wartelisten-Demo
Der Launch-Post sagt vollständigen Rollout. Der Nutzerweg ist der Telefon-Button im Chat nach einem App-Update.
- 5
Live sprechen vs. Notizen später
Ein Duplex-Call ist für den Moment. Brauchen Sie Kapitel, Transkript oder eine Frage, die Sie morgen wieder stellen, behalten Sie daneben eine asynchrone Zusammenfassung.
3 typische Szenarien für BibiGPT-Nutzer
Wo ein Live-Doubao-Call und eine asynchrone Zusammenfassung nebeneinander stehen sollten.
In der Vorlesung klären, danach Notizen behalten
Unterbrechen Sie mit einem Doubao-Call eine verwirrende Demo. Nach der Stunde denselben Mitschnitt in BibiGPT einfügen — Kapitel und Transkript für die Prüfungsvorbereitung.
Livestream schauen, dann das Recap schreiben
Full-Duplex hilft bei „was ist gerade auf dem Screen erschienen?“. Das Recap fürs Team braucht weiterhin Zeitstempel und exportierbaren Text — das ist die asynchrone Zusammenfassung.
Den Call überspringen und das Video ablegen
Nicht jede Aufnahme braucht ein Gespräch. Ein 90-Minuten-Podcast oder Earnings-Replay ist oft als Kapitel-Summary plus Folge-Q&A schneller als eine weitere Live-Session.
Quellen
Primäre Launch-Notizen. Daten und Produktaussagen stammen von diesen Seiten.
-
ByteDance Seed kündigte SeedRealtime am 2026-08-05 als natives Audio-/Video-Full-Duplex-Modell an und rollte es in der Doubao-App vollständig aus.
ByteDance Seed Blog ↗ -
Auf der Seed-Homepage steht SeedRealtime mit dem Satz „sehen, hören und sprechen“ und dem Modell-Release-Stempel 2026-08-05.
ByteDance Seed ↗
Beliebt bei Creators, Studierenden & Forschenden
Warum Menschen täglich Videos mit BibiGPT in Text verwandeln.
Von über 50.000 Nutzern weltweit geschätzt
“Ich füge einen Link ein und bekomme in Sekunden saubere Untertitel — das spart mir jede Woche stundenlanges Abtippen.”
Maya R.
Content Creator · Verwertet Kurzvideos neu
“Dank des Transkript-Exports lerne ich neue Wörter in meinem eigenen Tempo, statt das Video ständig anzuhalten.”
Daniel K.
Sprachlerner · Lernt mit echten Videos
“Präziser Text mit Zeitstempeln, den ich direkt zitieren kann. Er ist still und leise Teil meines Arbeitsalltags geworden.”
Priya S.
Forscherin · Zitiert öffentliche Vorträge
FAQ
Häufig gestellte Fragen
Fragen Sie uns!
Popular guides
1 Bilibili KI-Videozusammenfassungs-Tool: BibiGPT fasst 30+ Plattformen sofort zusammen (2026)
Bestes Bilibili KI-Videozusammenfassungs-Tool 2026? BibiGPT unterstützt 30+ Plattformen mit 1M+ Nutzern. Beliebigen Bilibili-Link einfügen für sofortige strukturierte Zusammenfassungen. Vergleichen Sie die Top 5 Tools plus KI-Agenten-Automatisierung.
2 How to Install Skills in DeepSeek Harness: A Hands-On Guide to Teaching dsh to Watch Videos
Install a video-summary skill into DeepSeek Harness in one copy-paste — SKILL.md matches Claude Code. Or skip dsh: paste a Bilibili or YouTube link in the browser and get a timestamped summary.
3 How to Reverse a Video Without an App — Free, In-Browser, No Download (2026)
Reverse any video free with no app and no download, right in your browser. Step-by-step for iPhone, Android, and PC, plus how to reverse audio (2026).
Brauchen Sie Notizen, wenn der Call endet?
Fügen Sie einen Videolink in BibiGPT ein. Sie erhalten Kapitel, Transkript und Folge-Q&A zum späteren Suchen — die asynchrone Hälfte von „sehen, hören und sprechen“.