智东西AI前瞻（公众号：zhidxcomAI）
作者 江宇
编辑 漠影

智东西AI前瞻5月30日报道，豆包APP近日推出实时视频通话功能。用户在电话界面开启视频画面后，即可与豆包基于真实场景进行实时问答互动 。

该功能将豆包的视觉理解能力，从图片场景扩展到视频场景。去年底，豆包就曾上线图片理解功能，支持上传图片后识别内容，包括理解梗图等 。

此次升级以期进一步降低用户交互门槛，提供“边看边聊”的体验。

用户在旅行过程中，可打开视频通话，询问所处景点的历史背景、特色内容或路线规划等。例如，在故宫参观时，用户可以通过视频向“豆包”展示景点画面，了解特定宫殿的历史故事、建筑特色 。

在博物馆、美术馆等场景，也可以通过视频通话功能，随时问豆包展品的背景信息 。

此实时视频通话功能的实现，是基于豆包最新的视觉理解模型。该模型具备内容识别、理解推理和内容描述能力，能够融合视觉与语言输入，进行综合的深度思考和创作。

此外，为提升对话的准确性与时效性，豆包视频通话功能接入了联网搜索能力，以获取互联网最新信息。

智东西也在深度体验了豆包视频通话的功能：打开豆包App后，点击“对话”、“通话图案”、“开启视频通话”。

值得一提的是，豆包电脑端也已同步开启共享视频通话功能，多平台覆盖，为用户提供更灵活的选择。

想知道豆包App的视频通话功能有多强大？智东西替你先试为快。

此前的ChatGPT就在网络上掀起一阵挑选“报恩”榴莲的热潮。那么，比起稳定的图片分析，在视频通话中，豆包能否通过视频帮你挑选出最完美的榴莲？

在实际体验中，豆包确实能够通过视频画面给出详细的榴莲挑选建议，例如根据果壳上刺的特征进行判断，推测果肉的成熟度。这为像挑选榴莲这类需要眼力和经验的场景，提供了出人意料的AI辅助。

AI和人类交互的方式愈发多样，也变得越来越有趣。更多关于豆包的新功能，用户可以自行探索。