币界网消息，字节跳动今日发布了豆包的实时视觉能力，用户可以通过豆包app边看边听边说，并能主动提醒用户。新版本相比于上一代的seeduplex，新增了实时视觉处理功能，能够在多人和嘈杂环境中判断说话者，并结合人脸、声音和手势理解上下文。字节跳动表示，该功能在抢话、反应慢和噪声误触发等问题上，比传统拼接方案减少约一半。