Muse Realtime Avatar vs SeedRealtime: สองโมเดลที่คุณได้แค่มอง

ทั้งสองอย่างนี้ไม่มีตารางราคา Muse Realtime Avatar ซึ่ง Meta ประกาศเปิดตัวเมื่อวันที่ 23 กันยายน 2026 ที่งาน Meta Connect ไม่มี API ไม่มี endpoint ไม่มีราคา และไม่มีกำหนดเปิดตัว — มันเป็นเพียงความสามารถหนึ่งของ Muse agent ของ Meta ที่สาธิตในโพสต์งานวิจัยชื่อ "Bringing Your Muse to Life" SeedRealtime ซึ่ง ByteDance Seed เปิดตัวเมื่อวันที่ 5 สิงหาคม 2026 ไม่มี API ไม่มี weights ไม่มีรายงานทางเทคนิค และไม่มีจำนวนพารามิเตอร์ — มันมีอยู่เฉพาะภายในแอป Doubao ของ ByteDance เอง และโพสต์ของ ByteDance ระบุเพียงว่าได้ "fully rolled out" แล้ว สองในบริษัท AI สำหรับผู้บริโภคที่ใหญ่ที่สุดในโลกเปิดตัวระบบเรียลไทม์ด้านภาพและเสียงห่างกันเพียงเจ็ดสัปดาห์ และไม่มีสักตัวเดียวที่ซื้อได้ นั่นคือการเปรียบเทียบ และเป็นการเปรียบเทียบที่น่าสนใจกว่าตาราง benchmark ที่ไม่มีใครสร้างได้

สิ่งที่ทำให้ทั้งสองแตกต่างกันคือทิศทางที่วิดีโอไหล SeedRealtime เฝ้าดู ฟัง และพูดเกี่ยวกับสิ่งที่มันเห็น — เสียง วิดีโอ และข้อความเข้าไปยังเครือข่ายแบบ end-to-end หนึ่งเดียว โดยการผลัดกันพูดถูกย้ายจากตัวตรวจจับกิจกรรมเสียงภายนอกเข้ามาสู่ตัวโมเดลเอง Muse Realtime Avatar สร้างขึ้นมา: คุณป้อนภาพอ้างอิงให้มัน ไม่ว่าจะเป็นภาพถ่าย ภาพประกอบ หรือวัตถุ แล้วมันจะเรนเดอร์สิ่งนั้นให้พูดและแสดงท่าทางในวิดีโอต่อเนื่องตลอดความยาวของบทสนทนา วิดีโอของ SeedRealtime คืออินพุต วิดีโอของ Muse Realtime Avatar คือเอาต์พุต ทั้งคู่ถูกอธิบายว่าเป็น full-duplex ทั้งคู่เป็นระบบเสียงและภาพ และทั้งคู่กำลังทำงานที่ตรงกันข้ามกันภายใต้ป้ายกำกับเดียวกัน

แต่ละอย่างคืออะไร และอยู่ที่ไหน

หกบรรทัด และสองบรรทัดสุดท้ายคือสิ่งที่ตัดสินทุกอย่าง

• วิดีโอ — Muse Realtime Avatar สร้างสิ่งนี้ในความละเอียดแนวตั้ง 448×768 และ 25 เฟรมต่อวินาที พร้อมลายน้ำแบบโอเวอร์เลย์โปร่งใส เพื่อให้ผู้ชมทราบว่าไม่ใช่ภาพที่ส่งมาจากกล้อง; SeedRealtime รับรู้สิ่งนี้โดยสตรีมเฟรมเข้าสู่เครือข่ายเดียวกับที่จัดการเสียง

• การเดิมพันเชิงสถาปัตยกรรม — Muse Realtime Avatar ใช้โทเคนสตรีมเดียวกันร่วมกันระหว่างเสียงและวิดีโอ ดังนั้น Diffusion Transformer ที่ขับเคลื่อนด้วยเสียงจึงบริโภคโทเคนเสียงพูดของ Muse Realtime Voice โดยตรง และไม่มีการทำ lip-sync ในภายหลัง ส่วน SeedRealtime ผนวกการสลับผลัดกันพูดเข้าไว้ในโมเดล ดังนั้นการที่ใครจะพูดและพูดเมื่อใดจึงไม่ใช่การตัดสินใจของตัวตรวจจับกิจกรรมเสียงจากภายนอกอีกต่อไป

• ทำงานที่ไหน — Muse Realtime Avatar เป็นความสามารถหนึ่งภายในเอเจนต์ Muse ของ Meta ส่วน SeedRealtime อยู่ภายในแอป Doubao ของ ByteDance

• การเข้าถึงสำหรับนักพัฒนา — ทั้งสองไม่มี API ทั้งสองไม่เผยแพร่น้ำหนักโมเดล ไม่มีตัวเลือกแบบเซิร์ฟเวอร์เลส ไม่มีเอนด์พอยต์ที่โฮสต์ไว้ และไม่มีแพลตฟอร์มของบุคคลที่สามที่รองรับตัวใดตัวหนึ่ง

• ราคา — ไม่เปิดเผยสำหรับทั้งสองฝ่าย เนื่องจากไม่มีข้อเสนอเชิงพาณิชย์จากฝ่ายใดเลย

• การประเมินโดยอิสระ — ไม่มีเลยสำหรับทั้งสองระบบ ตัวเลขทุกตัวที่แต่ละบริษัทเผยแพร่เกี่ยวกับโมเดลของตนเองล้วนเป็นข้อมูลจากฝ่ายแรก และไม่มีผู้ประเมินภายนอกคนใดได้ทดลองใช้ระบบใดเลย

ฐานหลักฐานสองฐาน ซึ่งทั้งคู่เป็นข้อมูลจากฝ่ายแรก และหนึ่งในนั้นเบาบางกว่าอีกฐานมาก

ตรงนี้ การเปรียบเทียบไม่สมมาตรอีกต่อไป Meta เผยแพร่ตัวเลขสี่ตัวสำหรับ Muse Realtime Avatar ซึ่งทั้งหมดเป็นข้อมูลที่บริษัทรายงานเอง วัดเทียบกับ baseline ที่ Meta เลือกเอง และไม่มีตัวเลขใดถูกทำซ้ำภายนอกบริษัท: 870 ms จากจุดสิ้นสุดเทิร์นของคุณถึงไบต์แรกของคำตอบเสียงและวิดีโอที่ซิงโครไนซ์กัน; วิดีโอแนวตั้ง 448×768 ที่ 25 เฟรมต่อวินาที; การประเมินโมเดลน้อยกว่า baseline ของตัวเอง 60 เท่า; และเซสชันเรียลไทม์พร้อมกัน 12 เซสชันบน NVIDIA GB200 หนึ่งตัว ซึ่งเพิ่มความจุ 8 เท่าเมื่อเทียบกับ baseline BF16 แบบสองขั้นตอนของ Meta จาก four-bit quantization-aware training และ latency-aware dynamic batching Meta ยังเผยแพร่การเปรียบเทียบความชอบกับระบบอวตารเชิงพาณิชย์สองระบบ — 78/22 กับระบบหนึ่ง, 88/12 กับอีกระบบหนึ่ง — และเปิดเผยว่าในด้านกริยาท่าทาง ผลลัพธ์เมื่อเทียบกับหนึ่งในนั้นไม่แตกต่างอย่างมีนัยสำคัญทางสถิติจากความเสมอภาค การเปิดเผยนั้นมีค่ามากกว่าชัยชนะเหล่านั้น; มันเป็นผลลัพธ์แบบที่โพสต์เปิดตัวส่วนใหญ่ละไว้

หลักฐานที่ SeedRealtime เผยแพร่คือการประเมินโดยมนุษย์แบบ end-to-end เพียงหนึ่งครั้ง ByteDance กล่าวว่าเมื่อเทียบกับระบบแบบคาสเคด — โมเดลวิชันที่เชื่อมต่อกับโมเดล ASR ที่เชื่อมต่อกับ LLM ที่เชื่อมต่อกับเสียง text-to-speech — SeedRealtime ลดปัญหาจังหวะการสนทนาแบบเสียง-ภาพลงครึ่งหนึ่ง โดยมีการตัดบทน้อยลง มีการทริกเกอร์ผิดพลาดน้อยลง และตอบกลับได้ช้าลงแต่เป็นธรรมชาติมากขึ้น สิ่งที่ ByteDance ยังไม่ได้เผยแพร่คือขนาดตัวอย่าง ระเบียบวิธี จำนวนผู้ทำคำอธิบายประกอบ ตัวเลขความหน่วงในหน่วยมิลลิวินาที ชื่อเบนช์มาร์ก หรือคะแนน มีรายงานทุติยภูมิฉบับหนึ่งอ้างถึงการเพิ่มขึ้น 12% ของความคล่องแคล่วในการสนทนาเมื่อเทียบกับโมเดลก่อนหน้าของทีม นั่นคือหลักฐานสาธารณะทั้งหมดที่มี

ดังนั้นการจัดอันดับความสามารถในการตรวจสอบยืนยันอย่างซื่อตรงจึงเป็นดังนี้: ทั้งคู่ไม่มีผลการรันที่เป็นอิสระ ของ Meta เป็นชุดการวัดที่มีค่าพื้นฐานระบุไว้และมีผลลัพธ์เชิงลบที่เปิดเผย ส่วนของ ByteDance เป็นข้ออ้างเรื่องความชอบเพียงข้อเดียวซึ่งไม่ได้อธิบายการออกแบบไว้ ทั้งคู่ไม่สามารถทำซ้ำได้ แต่มีเพียงอันเดียวเท่านั้นที่เฉพาะเจาะจงพอจะโต้แย้งได้

การเคลื่อนไหวที่แต่ละคนทำ

ทั้งสองระบบเป็นคำตอบสำหรับปัญหาเดียวกัน และเป็นเรื่องที่ควรค่าแก่การสังเกตว่าคำตอบทั้งสองนั้นแตกต่างกัน

สำหรับระบบที่เฝ้ามอง สิ่งที่ยากคือการรู้ว่าควรพูดเมื่อไร โมเดลที่รับภาพจากกล้องและเสียงอย่างต่อเนื่องต้องตัดสินใจ โดยไม่มีตัวกระตุ้นจากภายนอก ว่าคนที่อยู่ตรงหน้ามันพูดจบหรือยัง ว่ามันกำลังถูกพูดด้วยหรือไม่ และว่าวัตถุที่เพิ่งเข้ามาในเฟรมนั้นเกี่ยวข้องหรือไม่ นั่นคือปัญหาที่ SeedRealtime ย้ายเข้ามาไว้ภายในโมเดล และ ByteDance ได้ทำการย้ายนี้ข้ามสามโมดาลิตี้แทนที่จะเป็นสอง — ซึ่งเป็นเวอร์ชันที่ยากขึ้นของสิ่งที่ Google, OpenAI และ NVIDIA ต่างทำสำหรับเสียงเพียงอย่างเดียว พฤติกรรมในเดโมเป็นผลสืบเนื่องจากสิ่งนี้: การผูกเสียงเข้ากับใบหน้าในการสนทนากลุ่ม การเอ่ยขึ้นเองโดยไม่ถูกกระตุ้นเมื่อมีบางสิ่งเข้ามาในเฟรม การนำทางใครสักคนผ่านพิพิธภัณฑ์หรือการซ่อมแซม

สำหรับระบบที่เรนเดอร์ ส่วนที่ยากคือการคงความสอดคล้องต่อเนื่อง การสร้างวิดีโอเป็นชิ้นส่วนเชิงสาเหตุแบบสั้น ๆ หมายความว่าแต่ละชิ้นส่วนถูกกำหนดเงื่อนไขจากชิ้นส่วนก่อนหน้า และโหมดความล้มเหลวคือการดริฟต์ — พอถึงนาทีที่สาม ตัวละครก็กลายเป็นคนอื่นไปอย่างเงียบ ๆ หน้าต่างแบบเลื่อนของ Meta ที่เก็บแลเทนต์วิดีโอล่าสุดคือคำตอบสำหรับเรื่องนั้น และสตรีมโทเคนที่ใช้ร่วมกันคือคำตอบสำหรับความล้มเหลวอีกแบบหนึ่ง คือลุคแบบพากย์ที่คุณได้เมื่อสร้างเสียงก่อน แล้วค่อยรันโมเดลลิปซิงก์ทับลงไปทีหลัง

ไม่มีวิธีไหนในสองวิธีนี้ที่ใช้ได้ในอีกระบบหนึ่ง SeedRealtime ไม่มีภาพอ้างอิงให้ต้องยึดตาม เพราะมันไม่ได้เรนเดอร์ใคร Muse Realtime Avatar ไม่มีโลกภายนอกให้ติดตาม เพราะหน้าที่ทั้งหมดของมันคือการสร้างใบหน้าที่เข้ากับเสียง

ทำไมโมเดลที่เรียกใช้ไม่ได้จึงยังคงเป็นคำถามเรื่องการจัดเส้นทาง

ระบบทั้งสองนี้มีการมอบหมายงาน Muse Realtime Avatar วางอยู่บน Muse Realtime Voice ซึ่งเป็นเลเยอร์การสนทนาของเอเจนต์ที่มีการให้เหตุผลทำงานบน Muse Spark — โมเดลทำหน้าที่เรนเดอร์ ไม่ใช่การคิด การออกแบบของ SeedRealtime ทำให้การสนทนาดำเนินต่อไปในขณะที่งานเบื้องหลังเกิดขึ้น ซึ่งหมายความว่างานที่เกินกว่าที่มันจะทำแบบอินไลน์ได้จะไปที่อื่นแล้วกลับมา ในสถาปัตยกรรมทั้งสอง สิ่งที่ผู้ใช้โต้ตอบด้วยคือส่วนหน้า และสติปัญญาคือโมเดลข้อความแยกต่างหากที่อยู่เบื้องหลัง

โมเดลข้อความแยกตัวนั้นก็คือการประมวลผลทั่วไป และมันคือส่วนของสแต็กที่คุณซื้อได้จริง ๆ บน OrcaRouter มันคือเอนด์พอยต์เดียวที่ครอบคลุม196 โมเดลจาก 15 ผู้ให้บริการ ในราคาตามที่ผู้ให้บริการประกาศไว้ ส่งผ่านถึงคุณโดยไม่มีค่าบวกเพิ่มใด ๆ พร้อมการสลับสำรองอัตโนมัติเมื่อโมเดลที่คุณเลือกเกิดข้อผิดพลาดหรือหมดเวลา เราไม่ได้โฮสต์ SeedRealtime — มันเป็นของ ByteDance อยู่ภายใน Doubao และไม่มีอะไรให้จัดเส้นทาง เราไม่ได้โฮสต์ Muse Realtime Avatar เช่นกัน และคนอื่นก็ไม่ได้โฮสต์ด้วย สิ่งที่เรามีคือชั้นที่ทั้งสองระบบมอบงานหนักของตัวเองให้ ซึ่งเป็นชั้นที่เปลี่ยนไปเมื่อคุณอยากให้โมเดลอื่นเป็นตัวคิด

อะไรจะเปลี่ยนคำตอบ

สำหรับ SeedRealtime ชิ้นส่วนที่ขาดหายไปไม่ใช่ฟีเจอร์ — มันคือหลักฐาน รายงานทางเทคนิคที่มีจำนวนพารามิเตอร์ ชุดเบนช์มาร์ก และการประเมินโดยมนุษย์ที่อธิบายไว้ จะยกระดับมันจาก "การสาธิตภายในแอป" ไปสู่บางสิ่งที่ทีมสามารถใช้เหตุผลพิจารณาได้ โพสต์ของ ByteDance ยังลิงก์ไปยังปลายทางทั่วไปอย่าง "Try Dola" และ "Try in Playground" โดยไม่กล่าวอ้างเรื่องเวตหรือ API ที่มีเอกสารประกอบ ซึ่งเป็นรูปแบบของฟีเจอร์ผลิตภัณฑ์มากกว่าการเปิดตัวโมเดล

สำหรับ Muse Realtime Avatar ชิ้นส่วนที่ยังขาดอยู่คือเรื่องเชิงพาณิชย์ นั่นคือ อัตราค่าบริการ (rate card) ปลายทางเชื่อมต่อ (endpoint) วันที่ และข้อกำหนดเรื่องภูมิภาคกับอายุที่ Meta ยังไม่ได้ระบุไว้อย่างชัดเจนครบถ้วน โพสต์ของ Meta ระบุว่าเดโมต่าง ๆ ของบริษัทไม่ได้สะท้อนอวตารทั้งหมดที่ใช้งานได้ในแอป Muse ซึ่งเป็นประโยคที่ควรใช้กำกับแผนใด ๆ ที่สร้างขึ้นบนพื้นฐานของเรื่องนี้

จนกว่าหนึ่งในสิ่งเหล่านั้นจะเปลี่ยนไป การเปรียบเทียบนี้จึงมีรูปแบบที่สั้นผิดปกติ ทั้งสองโมเดลเป็นแบบภาพและเสียง ทั้งคู่เป็นฟูลดูเพล็กซ์ ทั้งคู่เป็นงานวิศวกรรมที่น่าประทับใจอย่างแท้จริง และไม่มีตัวไหนที่ใครก็ตามที่อ่านสิ่งนี้จะเรียกใช้ได้จากเทอร์มินัล ความแตกต่างอยู่ที่ว่าคุณจะทำอะไรกับมันได้บ้างถ้าคุณทำได้: ตัวหนึ่งให้ตัวละครที่พูดได้ และอีกตัวให้ระบบที่คอยสังเกต