字节跳动（TikTok母公司）于2025年5月24日通过豆包App官方微信账号宣布，对豆包聊天机器人进行了重大升级，推出了开创性的实时互动视频通话功能。
这一新功能将豆包从传统聊天机器人转变为先进的数字助手，能够提供实时视觉指导。用户在与AI进行语音通话时，只需打开手机摄像头，即可轻松启用该功能。启用后，豆包可以胜任多种角色：在参观博物馆时担任知识讲解员，观察植物时充当园艺专家，购物时成为烹饪顾问，或在审阅图表、视频时作为分析助手。
据字节跳动介绍，这项增强功能基于公司先进的视觉推理AI模型，能够高效整合视觉与语言输入，支持内容创作及对多种主题的深入分析。该技术还集成了在线搜索能力，可获取来自互联网的最新信息。
此次升级是字节跳动在生成式AI领域的最新成果，凸显了公司在打造多模态系统方面日益增强的专业能力。早在5月初，豆包已上线照片转像素画功能；而在2月，字节跳动发布了OmniHuman-1模型，凭借将照片和音频转换为逼真视频的能力引发关注。
截至2025年初，豆包月活跃用户约7500万，已成为中国最受欢迎的面向消费者AI应用之一。平台的快速迭代反映出字节跳动在人工智能领域的巨大投入，据悉公司2025年资本支出超过200亿美元，其中很大一部分用于AI研发。
随着AI领域竞争日益激烈，字节跳动不断为豆包注入创新，彰显了其在多模态AI应用领域保持领先地位的决心，致力于让数字助手在现实、实时场景中变得更加实用。