特色 视频通话 购买
特色 · 视频通话

举起来，
ta 看得见

视频通话时，手机会在本机识别你举起的东西和颜色，再把识别结果随对话交给模型。举起一只杯子，ta 就有机会注意到它；识别可能出错，也可以请 ta 再看看。

1 眼/秒手机每秒看一眼画面
4 路东西、颜色、字、声音，同时认
11MB识别模型随 App 带着
0 帧画面默认一帧不出手机

它是怎么看见的

  1. 看

    开启相应感知功能后，手机会间隔识别画面和环境声音，例如杯子、门铃或喷嚏；频率会随通话状态调整。

  2. 认

    默认识别在手机里做，得到物体、颜色和文字等描述。识别结果可能出错，角色的回应也取决于你接入的模型。

  3. 说

    默认只把识别结果随对话发给你配置的模型，画面不上传。主动开启云端看画面后，部分画面会发给你配置的多模态模型。

像一通真电话

  • ta 的画面在动

    就是 ta 自己那张图：会呼吸、会侧头听你说话，随情绪变化。不做假口型。

  • 能插话，ta 会停

    你一开口，ta 会停下来听；你说话时 ta 也会「嗯」一声。

  • 贴到耳边就切听筒

    屏幕自动熄灭，声音从听筒出来，和普通电话一样。

  • 你说的话在本机转成文字

    录音本身不会离开这台设备。

想让 ta 看得更细，可以在「设置 → 聊天」里打开「用云端模型看画面」，用你自己配的多模态模型。默认关闭；打开后，画面明显变化的那一帧才会发过去。