8月6日，豆包正式宣布，视频通话功能升级，接入原生音视频全双工大模型SeedRealtime。 据介绍，SeedRealtime大模型支持音视频联合理解，能够识别对话对象，判断应该聆听、什么时候进行回复或是保…
豆包介绍称，该模型上线后，豆包视频通话可以在连续变化的真实场景中实现更自然的连续交互，边看、边听、边说，所有用户均可体验。
在多人聚会场景中，模型能够识别不同人物身份并持续对应发言者；帮助外国游客实时理解中文菜单和服务员介绍；在博物馆中持续观察镜头画面，识别指定文物后主动提醒；辅助用户操作咖啡机并根据画面变化实时纠错；阅读论文时…
模型能够结合画面、声音和时序信息理解用户意图，例如利用视觉信息消除同音词歧义、识别手势和指代对象，并持续跟踪画面变化，在目标出现时主动提醒用户。
06/25 00:14
06/25 00:13
06/13 18:29
06/13 18:26
06/13 18:25
06/13 18:23
06/13 18:20
06/13 18:16
京公网安备 11011402013531号