GenAI浪潮下智能硬件如何實現低延時AI語音交互

聲網經過市場調研發現，目前多模態大模型在智能硬件場景的落地主要以智能眼鏡、智能手表、智能耳機等穿戴式設備為主，同時在智能門鈴、智能陪伴玩具等 IoT 場景也有一些應用。不同場景展現出的用戶需求與場景特點存在一定的差異化，例如：

• 智能手表：智能兒童手表是多模態大模型最早落地 IoT 行業的硬件場景之一，目前 360兒童手表、小天才等兒童手表中已率先集成應用。流暢的 AI 互動問答可以填充兒童空閑時間，智能化的回答也為兒童帶來了知識科普的價值，起到教育學習的輔助作用。同時，智能手表的屏幕較小，對語音交互的訴求更強，加入對話式 AI 顯得更順其自然。
• 智能眼鏡：不同于將重點放在虛擬與現實結合的AR眼鏡，智能眼鏡更加注重通過 AI 提升語音交互能力，今年 Meta 聯合雷朋推出的「Ray-Ban Meta」智能眼鏡就是代表產品。通過在智能眼鏡中加入攝像頭、AI 等功能，用戶可通過語音交互讓眼鏡來幫助工作&日程安排，或者開啟百科問答、學習輔助、英文翻譯、語音導航、超擬人情感陪伴及音樂娛樂等功能。
  在 AI 與 RTC 能力的加持下，智能眼鏡可以支持第一視角音視頻回傳（包含音視頻通話、視頻錄制、直播等），還支持實時翻譯、同聲傳譯等場景，搭配手勢識別，實現跨語言環境的語義理解。

• 智能耳機：智能耳機與大模型的結合主要集中在實時翻譯、情感交流、錄音轉寫等核心功能，在實時翻譯方面，智能耳機目前主要應用在1對1翻譯，支持雙方對話過程隨時發言，無需等待翻譯完成或對方發言結束，適合雙人會議、差旅、教學、社交等高頻深度對話場景，代表產品有三星 Galaxy Buds 系列無線耳機、時空壺 W4 Pro等。同時，借助 RTC 的能力，在智能耳機中還能實現多人同頻道、AI降噪等功能。
  

  
  

  在情感交流方面，代表產品有當下熱門的 Ola Friend 智能耳機，該產品可實現英語陪練、旅行導游、情感交流等功能。開發者如想快速上線此類型的智能耳機，聲網可以提供快速、已用、完整的解決方案，并采用了靈活可擴展的 AI Agent架構，具備工作流編排能力，開發者與企業可自主選擇 LLM 等組件，根據特定需求定制和擴展 AI 驅動的實時互動體驗。
• 智能門鈴：在智能門鈴等IPC場景，加入 AI 大模型的能力，可通過攝像頭實時識別并理解視頻內容，實現設備無人值守場景下的自定義交互，如：外賣、快遞上門，在家中無人時，門鈴可自動識別并應答，指導快遞員將貨物放到指定位置。

此外，在GenAI 的趨勢下，IoT 行業還出現了智能陪伴機器人、智能兒童毛絨玩具、智能戒指等一系列智能硬件場景，帶來不同硬件終端下的 AI 語音交互體驗。

聲網作為全球實時互動云行業的開創者，一直在探索 GenAI 與 RTE 結合帶來的體驗提升和場景創新，此前發布了實時多模態對話式 AI 解決方案，在此基礎上，針對 IoT 行業的特殊性，聲網探索出了 AI x IoT 智能硬件解決方案，該方案能夠在低功耗、低算力芯片上快速實現大模型的接入，具備低延時實時互動、低成本靈活適配的特性，通過豐富的功能在智能硬件場景中構建真實、自然的 AI 語音交互體驗。