发布日期：2024-10-21 14:09    点击次数：153

在 GenAI 的波澜下，百行万企正迎来全新的变革，看成 AI 载体的智能硬件行业也不例外，一方面，AIGC 与机器东说念主的勾通，激动具身智能产业快速发展，科幻电影里善解东说念见地的清扫机器东说念主“瓦力”、医疗机器东说念主“大白”正在走进施行。另一方面，以智妙腕表、智能眼镜、智能耳机为首的一稔式智能硬件与多模态大模子的勾通也成为当下的新趋势。

在2017年以天猫精灵、小爱同学、小度等语音助手驱动的智能蛊惑被视为第一批 AI 硬件编削，这类智能蛊惑固然经过多年的市集西席已逐渐融入了咱们的糊口，成为不少家庭的语音助手，但其中 AI 的智能化还较为低级。近两年追随 GenAI 的兴起，更智能化的多模态大模子赋予了智能硬件新的人命，带来全新的东说念主机交互体验，催生智能硬件行业新的变革。

智能硬件+多模态大模子  一稔式蛊惑交互体验迎来变革

声网经过市集调研发现，当今多模态大模子在智能硬件场景的落田主要以智能眼镜、智妙腕表、智能耳机等一稔式蛊惑为主，同期在智能门铃、智能陪伴玩物等 IoT 场景也有一些期骗。不同场景展现出的用户需求与场景特色存在一定的各别化，举例：

智妙腕表：智能儿童腕表是多模态大模子最早落地 IoT 行业的硬件场景之一，当今 360儿童腕表、小天才等儿童腕表中已领先集成期骗。率领的 AI 互动问答不错填充儿童舒坦期间，智能化的回应也为儿童带来了学问科普的价值，起到西席学习的辅助作用。同期，智妙腕表的屏幕较小，对语音交互的诉求更强，加入对话式 AI 显得更顺其当然。智能眼镜：不同于将重心放在诬捏与施行勾通的AR眼镜，智能眼镜愈加堤防通过 AI 晋升语音交互才调，本年 Meta 长入雷一又推出的「Ray-Ban Meta」智能眼镜即是代表居品。通过在智能眼镜中加入录像头、AI 等功能，用户可通过语音交互让眼镜来匡助责任&日程安排，或者开启百科问答、学习辅助、英文翻译、语音导航、超拟情面感陪伴及音乐文娱等功能。

在 AI 与 RTC 才调的加捏下，智能眼镜不错接济第一视角音视频回传（包含音视频通话、视频录制、直播等），还接济及时翻译、同声传译等场景，搭配手势识别，完了跨话语环境 的语义交融。

智能耳机：智能耳机与大模子的勾通主要聚会在及时翻译、情谊疏导、灌音转写等中枢功能，在及时翻译方面，智能耳机当今主要期骗在1对1翻译，接济两边对话经过随时发言，无需恭候翻译完成或对方发言截止，安妥双东说念主会议、差旅、涵养、外交等高频深度对话场景，代表居品有三星 Galaxy Buds 系列无线耳机、时空壶 W4 Pro等。同期，借助 RTC 的才调，在智能耳机中还能完了多东说念主同频说念、AI降噪等功能。

在情谊疏导方面，代表居品有当下热点的Ola Friend 智能耳机，该居品可完了英语陪练、旅行导游、情谊疏导等功能。蛊惑者如想快速上线此类型的智能耳机，声网不错提供快速、已用、无缺的科罚决策，并秉承了生动可彭胀的 AIAgent架构，具备责任流编排才调，蛊惑者与企业可自主选择 LLM 等组件，把柄特定需求定制和彭胀 AI 驱动的及时互动体验。

智能门铃：在智能门铃等IPC场景，加入 AI 大模子的才调，可通过录像头及时识别并交融视频实质，完了蛊惑无东说念主值守场景下的自界说交互，如：外卖、快递上门，在家中无东说念主时，门铃可自动识别并应付，率领快递员将货品放到指定位置。

此外，在GenAI 的趋势下，IoT 行业还出现了智能陪伴机器东说念主、智能儿童毛绒玩物、智能限度等一系列智能硬件场景，带来不同硬件末端下的 AI 语音交互体验。

声网 AI x IoT 智能硬件科罚决策 低功耗、低延时、低老本

声网看成各人及时互动云行业的始创者，一直在探索 GenAI 与 RTE 勾通带来的体验晋升和场景创新，此前发布了及时多模态对话式 AI 科罚决策，在此基础上，针对 IoT 行业的特殊性，声网探索出了AI x IoT 智能硬件科罚决策，该决策省略在低功耗、低算力芯片上快速完了大模子的接入，具备低延时及时互动、低老本生动适配的脾气，通过丰富的功能在智能硬件场景中构建信得过、当然的 AI 语音交互体验。

举例对交互延伸进行优化，语音交互延时低至1s内；接济多模态 AI 语义识别和交融；接济 AI降噪，保显露晰的语音交互、接济小包体、低内存、低功耗；适配接济70+主流、高性价比的芯片等，匡助蛊惑者与企业快速构建适配我方硬件的 AI 及时语音对话行状。

图：声网 AI x IoT 智能硬件科罚决策架构图

1、毫秒级东说念主机交互体验：声网 AI x IoT 智能硬件科罚决策进一步优化了端到端互动体验，完了东说念主与蛊惑之间基于 LLM 的毫秒级互动体验。通过在客户端进行低延伸的音频蚁合和播放、借助声网自研的 SD-RTN™ 及时传输收罗完了各人界限的低延时 RTC 传输，并进一步通过更快速的 LLM 推理首字耗时、低延伸流式 TTS、同机部署等一系列本事技能,保证对话的及时性与率领性。

2、文本/图像/音频/视频的多模态交互：在智能硬件场景，声网的科罚决策通常接济文本/图像/音频/视频的组合输入&输出，同期蛊惑者与企业也无需荒芜集成STT、TTS 等模块化组件，一套决策就能快速构建 AI 及时语音对话行状。

3、聚焦要道信息，晋升语义交融度：在 GenAI 场景，能否接济随时打断也成为预想大模子智能化的伏击方针，声网的科罚决策也接济先进的 AI-VAD 本事，可完了贤人的当然语音打断，模拟东说念主类对话的当然流动，让对话愈加信得过、当然。

4、AI降噪保险语音对话明晰、顺畅：针对语音对话中时常会出现的杂音、回声等问题，声网领有行业逾越的音频 3A 才调，通过AI噪声防止、配景东说念主声过滤、音乐检测/过滤等算法，确保东说念主与 AI 的对话不受环境插手，永久保捏顺畅。

5、完了多模态 AI 才调普适：完了即兴可视蛊惑的智能化体验：在硬件场景构建音视频互动需要极端扎眼 SDK 对芯片、系统的适配性以及包体的体积等。声网的科罚决策适配接济 70+ 主流、高性价比的芯片/模组，举例：展锐 Cat.1系列芯片、乐鑫 ESP32-S2/S3、BK 7256、BK7258、杰理AC7916、博流BL808等 RTOS 芯片，以及高通、联发科、君正、Sigmastar、全志、海想、Mstar 等 70+ Linux 芯片。

集成包体积增量也＜400KB，接济在 RTOS、embedLinux 等低功耗系统率领运转，同期 SDK 还接济 PCM、G711U/A、G722、AAC、OPUS 等多种音频形式。

如您想进一步体验 Demo或者接入 声网的AI x IoT 智能硬件科罚决策，可在声网公众号找到这篇著述。

---