突发！豆包重大更新：视频通话太强了

8月6日，豆包正式宣布视频通话功能全面升级，并将接入原生音视频全双工大模型SeedRealtime，让用户在通过豆包进行视频对话时获得更完善的体验。

从名字上就能看出，SeedRealtime并非传统意义上主要负责文本问答的通用大语言模型，而是一套面向实时视频通话、持续环境感知和自然语音交流的多模态交互模型。

这个模型的特性使其能够实时理解接收到的音频和视频信息，不再需要像过去那样，先将信息拆分为视频、音频和语言三部分，然后再分别交给对应的模型处理。

用过豆包视频通话功能的朋友应该都有印象，它和你的交互就像是“对讲机”，你说话结束后，AI判断你的话已经结束了，然后它开始理解和分析，最后再回复你。

而在这个过程中，如果有第二个人插嘴，AI可能会把对方的插话也当作你尚未说完的内容，继续听下去，让你不得不结束当前对话，重新问一遍。再比如说，你说到一半停下来思考接下来该怎么说时，AI就很容易以为当前对话已经结束，然后开始回应你前半段说的话。

说实话，在目前AI企业推出的同类功能中，豆包的语音和视频通话功能已经是做得最好的了，但是在这方面也确实受限于模型特性，无法给到完美的体验。不过，现在有了SeedRealtime模型就不同了，它的音视频全双工技术让AI能够同时理解多个维度的信息，而不必将其拆开后分别理解。

换句话说，豆包在视频通话的过程中，可以时刻结合“视觉和听觉”的信息，实时理解用户的需求，知道该听谁说话、何时回应或保持沉默，也就是更有“活人感”。

比如说，以前的豆包只会被动等待你的提问，然后再做出回答，现在则会根据现场环境和之前的对话信息，主动进行交互。而且，当周围有多个人说话时，豆包可以分辨不同的说话人，然后根据上下文信息和实时对话内容，选择回应或保持沉默，这样就不用担心两个人闲聊的时候豆包突然插嘴，也不用担心自己的提问被别人打断后，豆包无法正确理解。

目前，豆包表示，搭载该模型的视频通话功能已经全面推送，用户只需要升级到最新版本的app并打开视频通话功能，就可以免费体验。只能说还得是豆包，如此给力的功能直接免费给大家用。

从此次升级来看，豆包已经不满足于做一个“会回答问题”的AI，而是开始尝试成为一个能够主动提供帮助的智能助手。而且，视频通话或许只是起点，后续如果豆包将这种实时多模态能力应用于AI眼镜等产品，想必会带来完全不同的体验。

机器人产业最重要风向标，世界机器人大会（WRC）2026重磅来袭，还有世界人形机器人运动会紧随其后。

宇树、智元、启元、魔法原子、银河通用、云深处、灵心巧手等300余家TOP展商联袂呈现，定义全球机器人产业未来！

所有关于机器人的核心问题，WRC都将给出答案。

WRC 2026报道团，空降北京重磅呈现。