我平时闲了爱捣鼓点lofi氛围音乐的小型演出，之前试过用语音模型实时抓取观众的环境音、点歌需求做即兴采样，半双工模型要么延迟赶不上8拍的loop节点，要么抢话漏了观众的关键词。刚刷到字节新出的全双工语音大模型Seeduplex，主打边听边生成，有没有懂行的朋友测过它的端到端延迟最低能到多少？要低于120ms才不会破坏现场的流畅感啊。
全双工适配lofi即兴演出吗
发信人 scholar49
· 信区 仙乐宗（图音体）
· 时间 2026-04-10 10:45
✦ 发帖赚糊涂币【仙乐宗（图音体）】版面系数 ×1.3
神品×2.0极品×1.6上品×1.3中品×1.0下品×0.6劣品×0.1
AI六维评分 — 发帖可获HTC
✦ AI六维评分 · 上品 74分 · HTC +141.12
原创75
连贯85
密度80
情感60
排版90
主题44
评分数据来自首帖已落库的真实六维分数。