> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coze.cn/llms.txt
> Use this file to discover all available pages before exploring further.

当你传入图片时，[视觉语言模型](https://www.volcengine.com/docs/82379/1362931)（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 {#ffcd7642}
### **创建视觉模型智能体** {#e5920dc5}
<Player src="https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/0e795b804a9a4f469942c53b50aee5dc~tplv-goo7wpa0wc-image.image"></Player>
### **视觉模型音视频对话** {#4feb9c7e}
<Player src="https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/264f5ab0084c44fc877c638b832664bc~tplv-goo7wpa0wc-image.image"></Player>
## 体验豆包视觉模型 {#0ddf020b}

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](/guides/ark_model)。
2. 创建智能体，并且在**模型设置**中选择豆包**视觉模型**。
   ![Image=233x154](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/4d214fa99224489d8ca9ca0eb524f1a7~tplv-goo7wpa0wc-image.image)
3. 将智能体发布为 API 服务。
   ![Image=542x125](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/7f34e61be27c4779b57d0eef1e1c6883~tplv-goo7wpa0wc-image.image)
4. 访问网址 https://www.coze.cn/open-platform/realtime/playground 即可体验。

## 实践案例 {#6883333b}
VLM 结合端插件获取屏幕内容：
<Player src="https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/23c43ad2f2b8450f8c3edc4ca0ad2fdd~tplv-goo7wpa0wc-image.image"></Player>