主要观点总结
本文主要介绍了豆包AI的视频通话功能，它能通过视觉理解模型识别物品、场景，并理解生成回应。通过极限测试，发现它能提供情绪价值并解决实际问题，如识别物品、提供信息、辅助决策等。作者认为给AI装上“眼睛”能让它成为更好的生活搭子，并朝着通用人工智能的方向发展。
关键观点总结
关键观点1: 豆包AI的视频通话功能介绍
豆包上线了视频通话功能，能够通过视觉理解模型识别物品和场景，并实现理解和生成回应。作者在文章中通过一系列测试展示了豆包在识别物品、提供信息、辅助决策等方面的能力。
关键观点2: 豆包AI的识别与理解能力
豆包AI能够识别各种物品、场景，并理解其中的含义。例如，它能够识别出图片中的物体、场景，理解文字的含义，并根据这些信息生成回应。
关键观点3: 豆包AI的生成与创作能力
除了识别和理解，豆包AI还具有很强的创作能力。它可以根据识别到的内容生成诗歌、rap等，还可以在视频通话中提供拍照姿势指导，帮助用户拍摄出满意的照片。
关键观点4: 豆包AI在实际生活中的应用价值
豆包AI的视频通话功能在日常生活和工作中具有很高的应用价值。它可以帮助用户解决问题，如推荐餐厅、选择商品、辅助烹饪等。作者认为给AI装上“眼睛”能让它成为更好的生活搭子，并朝着通用人工智能的方向发展。
正文
咱也不知道它是不是在瞎掰，直到我在旁边找到了介绍的牌子，发现居然完全正确。
更令我意外的是，豆包还猜到了我在一个创意园里，告诉我这里过去是一个纺织园区。
视频通话理解单个物品或许还是太简单了，我让豆包跟我聊聊我收藏的手办。
它依次识别出这些手办角色，甚至认出了不是常规形态的漩涡鸣人。
其中我跟它聊到科比的比赛，当我提到科比生涯最后一场比赛后，有一句话令人难忘但忘了是什么，豆包几乎脱口而出：
而且语调也随之提高，显得更加兴奋，让我真有和一个知音聊天的感觉。
看到同事日渐凌乱的桌面（不是），心想这是什么体质，东西越堆越多——来问问豆包这是什么 MBTI 好了。
这个测试难度在于，它需要先识别出桌面上的各种随意摆放的物品，然后还得懂「人性」才能分析出来。
神奇的是，豆包对 MBTI，是按照拼音的发音，而不是英文的发音，一开始还没有反应过来，以为是网络卡顿。不过，准还是很准的，同事就是一个大 E 人、大 P人。
除了心血来潮的提问，包含更多
「隐藏信息」
的场景，也是最能显示实时通话能力的地方。
比如买咖啡豆，尤其是在咖啡馆时尝到不错的出品，但没法像逛电商时那样慢慢研究，而是需要在短时间内做决定。
记不住产地、海拔到底会对风味有什么影响。这下不用靠脑子记了，只需要点开豆包，打开摄像头。
大大利好 i 人，去咖啡店再也不用跟店员交流，打开手机就可以弄懂所有术语。
你说怕独自对着商品念叨很古怪？低声些，假装在跟朋友语音就不会被发现了！
