字节跳动发布豆包大模型1.6、图像编辑模型3.0、同声传译模型2.0

IT之家7月30日消息，今天，在FORCELinkAI创新巡展・厦门站，字节跳动火山引擎发布豆包・图像编辑模型3.0、豆包・同声传译模型2.0，豆包大模型1.6系列全新升级，并宣布开源扣子核心能力，发布企业自有模型托管方案、ResponsesAPI等多个模型服务和工具产品。

IT之家从官方获悉，豆包・图像编辑模型SeedEdit3.0基于强大的文生图模型Seedream3.0，具备更强的指令遵循能力、图像保持能力和更强的图像生成质量；叠加多样化的数据融合方法与特定奖励模型，可支持1K以上高清图像的生成与处理。

用户只需通过自然语言指令，即可完成消除多余内容、改变光影效果、替换文字等操作。同时，豆包・图像编辑模型3.0具备对风格、结构与语义的精准控制力，能够像人类大脑一样理解指令、深度思考，解锁更多创新的修图场景，例如图像风格转换、变换材质、变化人物姿势、根据提示词进行推理等P图玩法。

官方介绍称，豆包・图像编辑模型3.0可广泛应用于影像创作、广告营销、游戏宣传等领域，企业用户可在火山方舟平台调用API，个人用户可使用即梦或豆包App进行体验。

不该动的地方，绝不动！

豆包・图像编辑模型3.0精准锁定头发区域换成短发，只修改毛衣区域颜色和纹理并添加项链。

调整人物姿态让其自然落座，背景、人物面部特征、其他细节毫发无损！

你的话，它听得懂、做得到！

豆包・图像编辑模型3.0只瞄准文字区域，字体、光影会自动匹配原图风格，智能填充周围纹理，画面完好如初！

P完还是那么美，那么清晰！

豆包・图像编辑模型3.0让黑夜秒变阳光明媚的白昼，光影自然过渡，建筑、树木细节清晰锐利，毫无涂抹感或分辨率下降。

会“脑补”，理解力MAX！

豆包・图像编辑模型3.0能理解“发酵”过程，生成体积膨大、充满气泡的发酵面团图。并且基于面团状态进行推理，在保持面团主体关联性的前提下，生成金黄酥脆、香气四溢的面包图。

旅游照片中路人太多？说句“去掉所有路人”，背景瞬间干干净净~

下载的图片有水印？下指令“消除文字”，无痕处理比橡皮擦还好用~

老照片想上色？线稿想变写实？一句话搞定，色彩均匀又自然。

想换光影氛围？发出指令“逆光+暖色调+金色光晕”，秒变电影质感。

想给照片或设计换个Style？“毛毡风”“水彩风”“卡通风”……一句指令就能切换，让你的创意无限延伸！

豆包・同声传译模型2.0正式发布：3秒极低延迟，0样本声音复刻

传统的翻译系统通常依赖于“级联模型”——多个模块相互串联，依次处理语音识别、翻译、声音复刻和语音合成等任务，翻译结果不够连贯、处理速度慢。

此次全新发布的豆包・同声传译模型Seed-LiveInterpret2.0，支持全双工语音理解和生成框架，将传统机器同传的语音延迟从8-10秒降低到2-3秒，实现文本与语音的同步生成；无需提前录制，一边说话一边采样，实现0样本声音复刻，让同一个人同音色开口说外语，带来更沉浸的体验。

豆包大模型1.6系列再升级：极速版延迟低至10ms

今年6月，豆包大模型1.6系列多个模型正式发布，为企业提供多样化选择。此次，极速版Doubao-Seed-1.6-flash模型在保持出色的视觉理解能力的同时，升级了代码、推理、数学等大语言模型能力。

Doubao-Seed-1.6-flash模型，非常适合智能巡检、手机助手、智能硬件等对模型效果、速度和成本都有要求的大规模商业化场景。该模型具有业界领先的极低延迟，TPOT仅10ms，并依然具备强大的视觉理解能力。

价格上，Doubao-Seed-1.6-flash在输入文本长度0-32k的区间中（企业使用量最大），每百万tokens输入仅需0.15元，输出仅1.5元。在真实的客户案例中，该模型帮助客户延迟下降60%，成本降低70%。

此外，火山引擎发布全模态向量化模型Seed1.6-Embedding，首次实现了“文本+图像+视频”混合模态的融合检索，帮助企业构建更强大的多模态知识库。在权威测评榜单中，该模型包揽了多模态全面任务、中文文本的SOTA成绩。