近日，豆包APP上線實時視頻通話功能，用戶在電話界面開啟視頻畫面后，豆包能基于真實場景與用戶進行實時問答互動。

(豆包打電話界面點擊視頻按鈕，即可實時視頻通話)

旅行過程中，用戶可打開視頻通話，詢問所處景點的歷史背景、特色內(nèi)容或路線規(guī)劃等。例如，用戶在故宮參觀時，可以通過視頻向“豆包”展示景點畫面，了解特定宮殿的歷史故事、建筑特色，實現(xiàn)“邊走邊聊”。在博物館、美術(shù)館等場景，也可以打開視頻通話功能，隨時問豆包展品的背景信息。

該功能基于最新的豆包視覺理解模型。模型擁有較好的內(nèi)容識別、理解推理和內(nèi)容描述能力，能夠融合視覺與語言輸入，進行綜合的深度思考和創(chuàng)作。根據(jù)圖像信息，豆包視覺理解模型還能完成諸多復(fù)雜的邏輯計算任務(wù)，包括解微積分題、分析論文圖表、診斷真實代碼問題等挑戰(zhàn)性任務(wù)。

為進一步提升對話的準確性與時效性，豆包視頻通話功能還接入了聯(lián)網(wǎng)搜索能力，實時獲取互聯(lián)網(wǎng)最新信息。

去年底，豆包上線圖片理解功能，支持上傳圖片后識別內(nèi)容，包括理解梗圖等。如今，豆包進一步升級，將視覺理解能力延伸到視頻場景，讓用戶在生活場景中直接互動，大幅降低用戶的交互門檻，打造邊看邊聊的智能化體驗。