豆包是一款多模态AI助手，具备自然语言对话、多模态内容生成、文件解析、跨应用GUI自动化及语音唤醒与屏幕理解五大核心功能。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
豆包作为一款多模态AI助手，覆盖文字、图像、语音、文件处理与跨应用操作等多维能力。以下是其核心功能及对应使用方法：
一、自然语言对话与智能问答
该功能基于大语言模型实现即时响应与上下文理解，适用于知识查询、逻辑推理、学习辅导等日常场景。系统支持多轮追问、角色设定与风格调整，确保输出贴合用户实际需求。
1、打开豆包App或访问网页版 doubao.com，登录账号后进入主对话界面。
2、在底部聊天框中直接输入问题，例如“解释光合作用的化学方程式”或“用表格对比Python和JavaScript的主要差异”。
3、如需更深度分析，点击输入框旁的深度思考按钮后再提交指令。
二、多模态内容生成与编辑
豆包整合视觉生成、语音合成与图像理解能力，可在不切换工具的前提下完成图文音一体化创作。所有生成过程默认本地预处理，关键数据不出设备。
1、点击主界面底部导航栏的创作按钮，选择“AI生图”“帮我写作”或“来点音乐”等功能入口。
2、在描述框中明确输入需求，例如“生成一张赛博朋克风格的城市夜景图，霓虹灯闪烁，雨天反光路面”。
3、上传图片后选择“照片动起来”或“一键P图”，系统将自动识别主体并执行动态化或背景替换操作。
三、文件解析与结构化处理
该功能专为办公与学习场景设计，支持PDF、Word、Excel、PPT等多种格式解析，可提取文本、生成摘要、转为图表或导出为新文档格式。
1、在对话界面点击拍题答疑或录音纪要按钮，从相册/文件管理器中选取待处理文件。
2、上传完成后，在输入框中下达具体指令，例如“提取这份合同中的甲方义务条款并列成清单”或“把这张会议录音转成带时间戳的文字稿”。
3、对生成结果不满意时，可直接在回复下方点击重新生成或追加修改要求，如“去掉第三段，补充法律依据”。
四、跨应用GUI自动化操作（仅限支持机型）
此能力依赖系统级无障碍服务与UI元素识别技术，仅在搭载豆包手机助手定制系统的安卓设备上可用。它能真实模拟点击、滑动、输入等动作，完成多步跨APP任务链。
1、进入手机系统设置，查找辅助功能 → 豆包手机助手并开启开关。
2、返回豆包App首页，确认侧边栏或顶部出现手机助手或Pro模式入口。
3、启用后，直接说出自然语言指令，例如“把微信里张伟昨天发的餐厅地址复制到高德地图并规划步行路线”。
五、语音唤醒与实时屏幕理解
该功能无需手动截图或跳转应用，通过系统级集成实现任意界面下的即说即用。语音识别与OCR、视觉模型协同工作，响应延迟控制在1.3秒内。
1、长按手机侧边AI键、佩戴Ola Friend耳机或说出唤醒词“小豆包”启动语音交互。
2、当前屏幕显示电商页面时，直接说“这个商品在京东多少钱”，系统将自动识别图中商品并联网比价。
3、浏览相册时说“把这张合影里穿红衣服的人单独抠出来”，即可触发本地化人像分割与导出。
