向阳乔木@vista8 · X63
AI 摘要
Doubao-Seed-2.0-lite 0428 内测版本升级，新增音频理解功能，能同时支持图片、视频、音频和文本四种输入，成为豆包大模型家族首款全模态理解模型。该版本在 Agent、Coding 和 GUI 能力上也有明显提升。通过 API 测试，验证了其在前端动效复刻、视频Hooks建议和字幕识别等场景的应用潜力，具体案例详见后续推文线程。
前段时间参与了 Doubao-Seed-2.0-lite 0428 内测。
这个版本升级，增加了音频理解，能同时支持图片、视频、音频、文本四种输入，成为豆包大模型家族首款全模态理解模型。
除了全模态理解，据说 Agent、Coding、GUI 能力这次也都有明显提升。
拿 API 做了一些测试，分享几个场景：前端动效复刻、视频Hooks建议、字幕识别等
案例见后续 Thread