ByteDance模型

ByteDance: Doubao-Seed-ASR-2.0 是字节跳动/火山引擎推出的大模型语音识别服务，可将录制的音频文件转写为文本。它基于在海量真实语音数据上训练的 20 亿参数音频编码器构建，在噪声、多人说话和特定领域的录音中均能实现高精度的转写。主要功能：- 高精度：错误率较传统模型降低约 30%，在垂直领域（音乐、科技、教育、医疗）降低 50% 以上。口音错误率降低约 60%，噪声/背景语音错误率降低 30-50%。- 多语言和方言：支持中文及方言（上海话、闽南语等）；2.0 版本 (Doubao-Seed-ASR-2.0) 新增 13 种外语（日语、韩语、德语、法语等），并提供针对专有名词、姓名和同音词的上下文感知推理能力。- 丰富的文本格式：内置自动标点、逆文本归一化（数字）、语义平滑和智能句子分割，且均可单独开启或关闭。- 长音频处理：支持长达 5 小时的文件处理。

专为多模态智能体场景打造并优化的全新模型。有更强的智能体能力、升级的多模态理解力，以及更灵活的上下文管理。

Doubao-Seed-Code 针对智能体编程任务深度了优化，在多个权威基准测试（包括 Terminal Bench、SWE-Bench-Verified-Openhands 和 Multi-SWE-Bench-Flash-Openhands）中展现出卓越的性能，超越了国内同类模型，并支持高达 256k token 的上下文窗口。

Doubao-Seed-2.0-mini 专为低延迟、高并发和成本敏感型场景设计，强调快速响应和灵活的推理部署。其模型性能与 Doubao-Seed-1.6 相当。它支持 256k 上下文、四种思考长度级别以及多模态理解，非常适合对成本和速度要求极高的轻量级任务。

Doubao-Seed-2.0-lite 是一款专为高频企业场景设计的平衡型模型，兼顾性能与成本，其综合能力超越了前代产品 Doubao-Seed-1.8。该模型擅长非结构化信息处理、内容创作、搜索与推荐、数据分析等生产导向任务，支持长上下文、多源信息融合、多步指令执行以及高保真结构化输出，在确保稳定性能的同时，显著优化了成本。

Doubao-Seed-2.0-Code 专为企业级编程需求而优化。它基于 Seed 2.0 出色的 Agent 和 VLM 能力，显著增强了代码能力。不仅有出色的前端性能，还针对企业中常见的多语言编码需求专门了优化，使其适用于与各种 AI 编程工具集成。

Doubao-Seed-2.0-pro 是一款旗舰级、全能型通用模型，专为 Agent 时代的复杂推理和长链条任务执行场景而设计。它强调多模态理解、长上下文推理、结构化生成以及工具增强执行能力。其在执行复杂指令和多重约束方面的表现出色，能稳定处理多步复杂规划、复杂图文推理、视频内容理解以及高难度分析等场景。

ByteDance: Doubao-Seed-Character 是由字节跳动豆包团队开发的高效开源大语言模型，专为沉浸式角色扮演交互场景打造。它支持与包括原创自定义角色、虚构及现实人物在内的多种人设进行快速、高保真的对齐，以较低的部署门槛提供连贯、生动、自然的沉浸式对话体验。

ByteDance: Doubao-Seed-2.1-turbo 是一款专为编码和智能体时代打造的新一代大模型。它提供 Pro 和 Turbo 两个版本，分别针对高度复杂的任务探索及大规模生产场景而设计。与上一代相比，Seed 2.1 在编码工程交付、长视野智能体任务执行和多模态理解三个关键领域实现了全面升级。凭借更强的自主规划和动态自修复能力，它非常适合真实的生产环境 R&D 以及更广泛的经济和社会场景中的高价值任务。对于开发者，它还提供了一个针对编码、办公及生产力提升场景的 Evolving 版本，支持每周更新与持续演进。

ByteDance: Doubao-Seed-2.1-pro 是专为代码和智能体时代打造的下一代大模型，提供 Pro 和 Turbo 两个版本，分别针对高复杂度任务探索与大规模生产场景设计。相较于上一代，Seed 2.1 在代码工程交付、长程智能体任务执行以及多模态理解三大核心领域实现了全面升级。凭借更强的自主规划和动态自愈能力，它非常适用于真实企业研发及更广泛经济社会场景下的高价值生产任务。另外，面向开发者，它还提供用于代码编写、办公及生产力提升场景的 Evolving 版本，支持每周更新与持续进化。

ByteDance: Doubao-Seed-Evolving 是一款专为编程与智能体时代打造的下一代大模型。它提供 Pro 和 Turbo 两个版本，分别用来应对高度复杂的探索性任务和大规模生产场景。与上一代相比，Seed 2.1 在代码工程交付、长跨度智能体任务执行以及多模态理解三个核心领域实现了全面升级。凭借更强的自主规划和动态自修复能力，它非常适用于真实企业研发中的高价值生产任务以及更广泛的经济与社会场景。对于开发者，它还提供用于编程、办公及生产力提升场景的 Evolving 版本，支持每周更新与持续进化。

ByteDance: Doubao-Seedream-5.0-flash 是由 ByteDance Seed 开发的图像生成与编辑模型。作为 Doubao-Seedream-5.0 系列中的高效、高性价比版本，它专为需要低延迟和精准编辑的大规模生产及交互式编辑工作流而设计。

ByteDance: Doubao-Seedream-5.0-pro 是字节跳动最新的图像生成模型，将图像创作推向了可控生产的新阶段。此次更新带来了更强的可控编辑能力、更成熟的生产级工作流以及更自然的视觉效果。

Doubao-Seedream-5.0-lite 是字节跳动最新的图像生成模型。它首次集成了在线检索功能，能整合实时网络信息，这样提升生成图像的时效性。同时，该模型的智能水平得到了进一步升级，能更准确地理解复杂的指令和视觉内容。另外，该模型在世界知识广度、参考一致性以及专业场景下的生成质量方面也得到了增强，更好地满足了企业级的视觉创作需求。

ByteDance/Doubao-Seedance-2.0 提供超写实、高稳定性的视听输出：凭借出色的运动稳定性和精细的视觉细节，它生成的影像有真人实拍质感，实现了虚拟与现实视觉效果的平滑融合。它能容易处理复杂场景——生动地再现从细微的微表情和激烈的肢体冲突，到动感十足、高能量的歌舞表演等一切内容。它还有专业的运镜、多镜头叙事和文生视频生成能力，增强了叙事张力。

音频和视频原生同步生成，精准匹配视觉效果与丰富的音效。它支持多种语言、口音和方言的表演，赋予视频卓越的完整性和沉浸感。

ByteDance/Doubao-Seedance-2.0 针对三大核心场景深度了优化：商业广告、影视制作和社交媒体营销。凭借工业级的生成质量，显著提高了生成成功率，降低了高质量内容的制作门槛和成本，简化了从创意到成片的流程，为行业带来了巨大的效率提升。

ByteDance: Doubao-Seedance-2.5 是由豆包大模型团队开发的新一代多模态视频生成模型。它在长视频叙事、参考一致性、精准编辑和多语言视频生成方面实现了工业级的跨越。