【財(cái)新網(wǎng)】字節(jié)跳動(dòng)正加速視覺、語音等多模態(tài)模型的商業(yè)化。12月18日上午，字節(jié)跳動(dòng)旗下火山引擎在上海發(fā)布豆包視覺理解模型，通過火山引擎開放給企業(yè)客戶，并再次打出了低于行業(yè)的定價(jià)。

　　視覺理解模型即“看圖說話”，可以識(shí)別圖像中的物體類別、形狀等要素，理解物體之間的關(guān)系，給出空間和場(chǎng)景的整體判斷，能用在圖片問答、醫(yī)療健康、教育、科研、電商等場(chǎng)景。

　　在現(xiàn)場(chǎng)演示中，豆包視覺理解模型識(shí)別出了雜志插圖中的外太空星云、一段“貪吃蛇”游戲代碼并給出修正意見、桌面上的物件和使用方法、體檢報(bào)告中的單項(xiàng)指標(biāo)解讀、聯(lián)想圖畫想表達(dá)的諺語、推薦穿搭以及根據(jù)實(shí)物發(fā)送抖音商城里的商品鏈接等。目前豆包視覺理解模型已經(jīng)接入豆包App和PC端產(chǎn)品。