5月23日官方消息显示，豆包APP现已推出实时视频通话服务。当用户在通话界面激活视频画面后，该应用可通过其搭载的智能系统，在实景交互中实现与用户的即时问答应答功能。在旅行场景下，用户仅需启动视频通话模式即可向豆包咨询当前所处景点的历史渊源、特色文化及游览路线规划等实用信息。此创新功能依托豆包最新研发的视觉理解模型构建而成，该模型具备卓越的图像识别、语义推理及内容阐释能力，并能将视觉元素与语言输入进行多模态深度融合以完成深度思考与创作输出。
值得关注的是豆包视觉理解模型还具备跨领域智能处理能力：除基础场景交互外，其可通过解析图像数据完成多项复杂逻辑运算任务——包括解答高等数学题型、解读学术论文图表关系以及定位计算机程序代码缺陷等进阶操作。据产品方透露为提升对话服务的专业性和时效响应速度现已将联网检索模块嵌入视频通话系统可实时调取网络数据库中的最新资讯作为知识支撑。
