在扣子体验豆包视觉模型（VLM）

当你传入图片时，视觉语言模型（VLM）可以理解图片里的视觉信息，并结合这些信息完成图片相关的任务，例如描述图片等。豆包模型家族中的 Doubao-vision-pro-32k 就是 VLM 的一种。基于RTC + 视觉大模型/语言大模型的强大理解能力，扣子支持和自己搭建的智能体进行低延迟高质量的视频实时通话，让智能体耳聪目明。

Demo 演示

创建视觉模型智能体

视觉模型音视频对话

体验豆包视觉模型

1. 前往火山方舟控制台，开通 Doubao-vision-pro-32k 大模型。
   操作步骤可参考接入火山方舟模型。
2. 创建智能体，并且在模型设置中选择豆包视觉模型。
   
3. 将智能体发布为 API 服务。
   
4. 访问网址 https://www.coze.cn/open-platform/realtime/playground 即可体验。

实践案例

VLM 结合端插件获取屏幕内容：