SeedRealtime 등장: 실시간 전이중 통화로는 「나중에 검색」이 안 된다

회의가 끝나기도 전에 이미 누군가 화이트보드에 카메라를 맞춘다. 상대가 「방금 그 페이지에 숫자가 있었어」라고 덧붙이는 걸 들으면서 그 문장을 붙잡으려 한다——다음 순간 주제가 꺾인다. 통화는 매끄러운데, 머리에는 열기만 남는다.

마이크 문제가 아니다. 「그 자리에서 이해한 것」과 「나중에 쓸 수 있는 것」이 한 가지 일로 밀려 들어간 것이다.

2026년 8월 5일, ByteDance는 네이티브 오디오·비디오 전이중 대규모 모델 SeedRealtime을 정식 출시하고 ByteDance 채팅 앱에 전량 배포했다고 밝혔다. 대부분의 기사는 「보면서, 들으면서, 말하기」에서 멈춘다. 이 글이 나누는 것은 나머지 절반이다. 실시간 상호작용이 무엇을 해결했는지, 그리고 한 시간이 끝난 뒤 무엇이 부족한지.

목차

• 실시간 통화가 해결한 것, 해결하지 못한 것
• 전이중 모델이 실제로 바꾸는 세 가지
• 사후 요약 워크플로: 한 시간을 검색 가능한 자산으로
• 두 경로를 어떻게 고를까
• 흔한 오해
• 다 본 뒤, 쓰기까지

실시간 통화가 해결한 것, 해결하지 못한 것

SeedRealtime의 공식 포지션은 분명하다. 통합 아키텍처로 오디오·비디오·텍스트를 네이티브로 융합하고, 연속 멀티모달 정보 흐름 위에서 실시간 상호작용한다. ByteDance는 프로젝트 페이지에 「보면서, 들으면서, 말하기」라고 적었다. 체험 진입점도 구체적이다. ByteDance 채팅 앱를 최신 버전으로 업데이트하고, 대화창에서 「전화하기」를 고른 뒤 영상 통화에 들어간다.

그것이 푸는 것은 바로 이 순간의 마찰이다——먼저 녹화하고, 업로드하고, 전사 결과를 기다릴 필요가 없다. 모델은 화면을 보면서, 소리를 들으면서, 말할 수 있다. 과외, 데모, 원격 협업에는 진짜 수요다.

풀지 못한 것은 다음 한 시간의 마찰이다. 통화가 끊기는 순간 현장 리듬은 흩어진다. 타임스탬프가 달린 챕터도, 검색할 키워드도, 노트 저장소에 넣을 구조화 요약도 없다. 실시간 모델이 섬기는 것은 「현장 존재」이지 「아카이브」가 아니다.

Edison Research의 Infinite Dial 2026은 대조 수치를 준다. 미국 팟캐스트 청취자는 주평균 8시간 24분을 듣고, 1인당 6.8개 프로그램을 구독한다. 이 8시간을 전부 「다시 듣는」 사람은 없다. 실제로 쓰이는 것은 검색하고, 인용하고, 「더 파고들지」를 결정할 수 있는 그 한 층의 텍스트다.

스크린샷: 오디오·비디오를 검색 가능한 워크플로에 넘기는 것. 또 한 번의 실시간 통화를 거는 것이 아니다. 출처: BibiGPT.

실무 규칙: 실시간 통화는 「현장」을 섬기고, 사후 요약은 「재사용」을 섬긴다. 둘을 같은 제품 서사에 겹치면, 결국 둘 다 깊어지지 못한다.

나는 SeedRealtime을 「모델을 영상 통화 안으로 밀어 넣은」 한 걸음으로 본다. 「영상 지식 업무를 그것이 통째로 가져갔다」고는 보지 않는다. 후자에 필요한 것은 입력 층이다——자막, 챕터, 핵심 화면, 플랫폼을 가로질러 열리는 링크.

전이중 모델이 실제로 바꾸는 세 가지

ByteDance의 8월 5일 발표에 따르면 SeedRealtime은 세 가지 능력을 강조한다. 오디오·비디오 공동 이해, 능동 상호작용, 더 자연스러운 대화 리듬. 펑황망 등 매체도 보도에서 같은 표현을 따른다. 주제로 보면 셋 다 성립한다. 워크플로 결정으로 보면, 서로 다른 실패 모드에 대응한다.

공동 이해: 화면이 드디어 대화에 들어온다

이전 실시간 음성 모델은 대개 소리만 먹었다. 화면을 가리키며 「여기」라고 해도 모델은 보지 못했다. SeedRealtime은 소리·화면·시계열을 묶어, 누구에게 말하고 있는지, 어느 영역을 가리키는지 판단할 수 있다. 「보여 주면서 묻기」에는 쓸모가 있다.

사후 복기에는 쓸모가 없다. 공동 이해는 통화 안에서 일어나며, 기본값으로는 타임코드가 달린 노트가 되지 않는다.

능동 상호작용: 모델이 끼어들 수 있다

전이중이란 양쪽이 동시에 말할 수 있어 한 라운드가 끝나길 기다릴 필요가 없다는 뜻이다. 모델은 당신이 멈출 때 되물을 수도 있고, 화면이 바뀔 때 먼저 말할 수도 있다. 리듬은 사람 같다.

대가가 있다. 끼어들수록 아카이브 가능한 본선은 더 잘게 부서진다. 현장에서 자연스러웠던 것이, 재생할 때는 챕터를 자르기 가장 어렵다.

대화 리듬: 숙제 제출이 아니라 전화 같다

ByteDance 채팅 앱가 진입점을 「전화하기」에 둔 것은 제품 판단이다. 사용자가 원하는 것은 세션이지 과제가 아니다. 이는 「먼저 요약한 뒤 볼지 말지 정한다」와 반대 방향의 시간 순서다——후자야말로 대부분의 지식 노동자가 실제로 쓰는 문지기이다.

스크린샷: 설치 가능한 오디오·비디오 스킬 진입점. 대응하는 것은 사후 입력 층이지 실시간 통화가 아니다. 출처: BibiGPT.

실무 규칙: 모델이 「끼어들기」를 잘할수록, 끼어들지 않는 아카이브 트랙이 더 필요하다. 현장 리듬과 검색 구조는 두 가지 제품이다.

이는 또 다른 판단 카드와 같은 이야기다. 모델이 싸지면 승부처는 파라미터 수에 남지 않고, 「오디오·비디오를 안정적으로 넣을 수 있는가」로 앞당겨진다. SeedRealtime은 넣기가 통화 안에서 일어날 수 있음을 보여 주었다. 넣은 뒤 반드시 검색 가능해진다는 것은 보여 주지 않았다.

사후 요약 워크플로: 한 시간을 검색 가능한 자산으로

실시간 경로의 반대편은 「더 잘 수다 떠는 모델을 찾는 것」이 아니다. 대부분의 콘텐츠는 당신이 없을 때 생긴다는 사실을 인정하는 것이다. 미리 녹화된 강의, 두 시간 라이브 다시보기, 구독했지만 오늘 밤엔 들을 시간이 없는 팟캐스트.

쓸 수 있는 사후 워크플로는 다섯 단계뿐이다.

1. 조각으로 자르기 전에, 원본 링크나 로컬 파일을 확보한다.
2. 자막 또는 전사를 뽑고 타임스탬프를 남긴다.
3. 한 덩어리 산문이 아니라 챕터별 요약을 만든다.
4. 결론·숫자·할 일을 챕터에서 골라낸다.
5. 실제로 여는 노트 저장소에 넣고, 원본으로 돌아갈 타임코드를 남긴다.

이 단계의 합격 기준은 투박하다. 일주일 뒤 키워드 하나로 그 결론을 다시 검색할 수 있는가. 못 찾으면, 통화가 아무리 자연스러워도 열기다.

링크를 넣으면 챕터가 나오는 입력층 데모입니다. 실시간 통화가 아닙니다.

데모: 영상을 요약 워크플로에 넣는 모습. 출처: BibiGPT.

「먼저 요약한 뒤 볼지 말지 정한다」가 제품에 어떻게 떨어지는지 보려면, 이 AI 영상 요약 완전 가이드와 실시간 번역 도구 횡단 비교를 대조해 보라——후자는 「그 자리에서 알아듣기」이고, 이 글의 「나중에 쓰기」와는 보완 관계이지 대체가 아니다.

스크린샷: 커맨드라인 요약 도구가 드러내는 것은 입력 층이지 세션 층이 아니다. 출처: BibiGPT.

의사결정 필터: 질문 하나로 충분하다. 이 일이 끝난 지 24시간 뒤, 그중 한 문장을 되찾아야 하는가? 필요하면 사후 요약으로. 필요 없으면 실시간 통화로 이미 충분하다.

국내 플랫폼에서는 특히 그렇다. Bilibili 세 시간 라이브에 실시간 모델은 도움이 되지 않는다——당신은 애초에 그 자리에 없다. 승부는 누가 더 잘 끼어드느냐가 아니라, 누가 그 링크를 열고 타임스탬프 챕터를 뱉어내느냐다. 관련 경로는 Bilibili 영상 요약과 유튜브 요약.

두 경로를 어떻게 고를까

SeedRealtime식 실시간 통화와 사후 요약을 같은 탁자에 놓으면 차이가 훨씬 분명해진다.

차원	실시간 전이중 통화	사후 챕터 요약	가장 적합한 대상
시점	지금 일어나는 중	이미 일어남	현장 vs 다시보기
산출	대화 자체	검색 가능 텍스트 + 타임스탬프	노트가 필요한 사람
입력	카메라 + 마이크	링크 / 로컬 파일 / 다중 플랫폼	Bilibili·팟캐스트를 덮어야 하는 사람
실패 모드	그 자리에서 놓침	나중에 검색 못 함	무엇을 더 두려워하는가
프라이버시	화면이 실시간으로 모델에 들어감	기존 녹화물을 처리할 수 있음	카메라를 켤 수 없는 장면

「전면적으로 더 나은」 쪽은 없다. 아이 숙제를 봐 주거나, 원격으로 기기 고장을 보면 실시간이 맞다. 주 5회 업계 라이브, 시험이 있는 온라인 강의, 원고를 써야 하는 팟캐스트 한 시즌이면 사후 요약이 주경로다.

실무 규칙: 먼저 시점을 고르고, 그다음 모델을 고른다. 「수다 떨 수 있음」을 「아카이브할 수 있음」으로 착각하는 것이 2026년 가장 흔한 미스매치다.

이미 실시간 통화를 쓰고 있다면 아카이브 트랙을 더해도 충돌하지 않는다. 회의가 끝난 뒤 녹화를 요약에 넣고, 「방금 그 페이지의 숫자」를 열기에서 타임코드 노트로 바꾼다. 그것이 영상 요약기 제품 라인이 존재하는 이유다——통화를 뺏지 않는다. 통화가 끝난 뒤를 맡는다.

흔한 오해

오해 1: 전이중이 나왔으니 비동기 요약은 시대에 뒤처졌다

반대다. 전이중은 「현장」을 싸게 만들어, 녹음되는 통화가 늘어난다. 녹음된 것을 검색할 수 없다면, 열기를 더 큰 열기로 저장한 것뿐이다. 반증 가능한 예측: 2027년 8월까지 주류 실시간 통화 제품이 타임스탬프 챕터 노트를 기본 출력하고, 검색 경험이 독립 요약 도구에 뒤지지 않으면 이 판단은 무효다.

오해 2: 실시간 모델이 화면을 봤으니 시각 분석을 한 것이다

보는 것과 아카이브는 다른 일이다. 통화 안의 공동 이해는 지금 응답을 위한 것이다. 시각 분석이 원하는 것은 핵심 프레임, 판서, 차트 숫자를 따로 인용할 수 있는 것이다. 후자는 시각 콘텐츠 요약을 보라.

오해 3: 모델만 충분히 빠르면 입력 층은 필요 없다

입력 층에는 열 수 있는 플랫폼, 버티는 자막, 자를 수 있는 챕터, 돌아갈 수 있는 타임코드가 포함된다. 모델이 빨라졌다고 자동으로 생기지 않는다. 모델이 쌀수록 이 층은 더 비싸다.

다 본 뒤, 쓰기까지

이번 주부터 쓸 수 있는 분업이다.

1. 사람이 현장에 있어야 하고 화면을 봐야 하면, ByteDance 채팅 앱 영상 통화로 SeedRealtime을 체험한다.
2. 회의 후나 다시보기에서는 같은 자료를 사후 요약에 넣고, 챕터와 타임스탬프를 강제한다.
3. 노트에는 「결론 / 숫자 / 할 일」만 적고, 원문은 타임코드로 돌아간다.
4. 다음 주에는 기억이 아니라 검색으로 재사용한다.

실시간 모델이 바꾸는 것은 대화의 손맛이다. 지식 업무가 바꾸는 것은, 일주일 뒤에도 그 문장을 되찾을 수 있는가다.

지금 BibiGPT 공식 사이트로. 다음 다시보기를 검색 가능한 노트로:

• 🌐 공식 사이트: https://aitodo.co
• 📱 모바일 다운로드: https://aitodo.co/app
• 💻 데스크톱 다운로드: https://aitodo.co/download/desktop
• ✨ 더 많은 기능 보기: https://aitodo.co/features

BibiGPT 팀