打开字节、阿里们的多模态能力地图，每块宝藏都标着"语音”。
近期，就在阿里通义千问团队发布翻译模型Qwen-MT的同一天，字节跳动旗下的火山引擎正式对外发布了豆包·同声传译模型 Seed LiveInterpret 2.0，后者的模型在多个Benchmark测试中都获得了大幅度领先，但其实该模型的首版发布已经是去年的事了。
时隔一年，字节再次将这个模型端出来，并花大力气更新换代了一次，字节想做什么？
我们可以把时间线串联起来看：字节豆包团队于 2024 年推出了旗舰语音生成基础模型 Seed-TTS，今年1月发布了豆包 Realtime Voice Model（首个端到端语音理解与生成模型），4月开源了中英双语TTS模型MegaTTS3，1个月前则发布了豆包播客语音模型。
作为豆包多模态能力中的重要一环，字节将同声传译补足到了语音能力之中。反观阿里，去年也曾高调推出了新一代端到端语音翻译大模型 Gummy，这回在翻译能力上又进一步。如果将视野再打开，环
