幣界網消息，字節跳動今日發布了豆包的實時視覺能力，用戶可以通過豆包邊看邊聽邊說，並能主動提醒用戶。新版本相比於上一代的實時視覺處理功能，能在多人和嘈雜環境中判斷說話者，並結合人脸、聲音和手勢理解上下文。字節跳動表示，該功能在搶話、反應慢和噪聲誤觸發等問題上，比傳統拼接方案減少約一半。