【测试背景】 
昨晚带娃时发现了一个有趣的现象。因为手头有事，想让手机里的豆包开视频给孩子读绘本。本以为是个“偷懒神器”，结果却演变成了一场AI的“创作大赛”。 
【翻车实录】 
我发现豆包完全不按书本原文朗读，而是看着图片开始“自由发挥”。虽然编得比原著还精彩，但孩子不乐意了,说AI读得跟书上不一样。我尝试多次下达指令，要求“严格按照原文一字不落朗读”，但豆包依然我行我素。随后我横向测试了 ChatGPT 、Gemini 和 Grok ，发现视频流朗读的效果都不尽如人意。 
【惊人发现：横屏 vs 竖屏】 
在反复折腾中，我发现了一个诡异的细节： 
横屏拍摄（使用支架）：AI 极其容易“幻觉”，不读原文，专注编故事。 
竖屏拍摄：表现瞬间好转，基本能识别文字并按原文朗读。 
不知道这是模型视觉逻辑的设计缺陷，还是其他技术原因？ 
【现有瓶颈】 
即便切换到竖屏，依然存在两个痛点： 
1....