2026 年 8 月 6 日，豆包宣布视频通话功能迎来一次重大升级。

正式接入原生音视频全双工大模型 SeedRealtime，支持端到端架构，原生融合音频、视频与文本三种模态。

豆包 AI 尝鲜体验：https://api.xubobo.top/qr/q/9Yr2CHUI

我用一句话总结，就是从 " 先听完、再看完、最后作答 "，变成了 " 边看、边听、边说 " 同步进行，所有用户均可免费体验。

1、带来了哪些全新升级

第一，能 " 看懂 " 画面了。 模型原生支持声音、画面与时序信息的深度融合。

能结合当前画面、手势与历史动作判断 " 这个 " 具体指什么；遇到同音词或模糊语音，也能借助视觉场景完成消歧。

外文菜单的实时翻译、咖啡机的分步教学，现在镜头一对、开口一问就能解决。

第二，会 " 主动 " 交互了。 模型具备持续的环境感知与主动表达能力。在博物馆里，持续观察镜头画面，识别到指定文物后主动提醒。

交互从被动响应升级为主动协作。

第三，对话更 " 自然 " 了。 模型能实时感知用户的对话状态，在适当时机自然接话、停顿与回应。

同时具备较强的抗干扰能力，能区分用户对话、旁人闲聊和背景噪声，减少误触发。

第一步：我们把豆包 App 更新至最新版本。

第二步：找到通话入口。

打开豆包 App，进入对话界面后，有两种方式可以找到入口：

方式一：在对话框内直接选择 " 打电话 " 按钮。

方式二：点击对话框旁的 "+" 号，在弹出的菜单中同样选择 " 打电话 "。

第三步：开启视频通话。

进入通话界面后，点击 " 视频通话 " 选项，这样我们就能体验到全新的豆包视频通话功能啦。

豆包 AI 尝鲜体验：https://api.xubobo.top/qr/q/9Yr2CHUI

疑似使用 AI 生成，请谨慎甄别