声网AI x IoT新方案，能否重塑智能硬件语音交互体验？

【ITBEAR】在GenAI技术的推动下，各行各业正经历着深刻的变革，智能硬件行业也不例外。一方面，AIGC与机器人的融合促进了具身智能产业的迅猛发展，科幻电影中的清扫机器人“瓦力”和医疗机器人“大白”正逐步成为现实。另一方面，智能手表、智能眼镜、智能耳机等穿戴式智能硬件与多模态大模型的结合成为了新的发展趋势。

回顾2017年，天猫精灵、小爱同学、小度等语音助手驱动的智能设备被视为第一批AI硬件革命。尽管这些设备经过多年的市场培育已逐渐融入我们的生活，成为许多家庭的语音助手，但其AI智能化水平仍相对初级。然而，随着GenAI的兴起，更智能化的多模态大模型为智能硬件注入了新的活力，带来了全新的人机交互体验，也催生了智能硬件行业的新一轮变革。

在智能硬件与多模态大模型的结合下，穿戴式设备的交互体验正迎来重大变革。据声网的市场调研显示，多模态大模型在智能硬件场景的应用主要集中在智能眼镜、智能手表、智能耳机等穿戴式设备上，同时在智能门铃、智能陪伴玩具等IoT场景也有所应用。不同场景下的用户需求与场景特点存在一定差异，例如智能手表，尤其是儿童智能手表，是多模态大模型最早落地的IoT硬件场景之一。360儿童手表、小天才等品牌已率先集成此技术，流畅的AI互动问答不仅填补了儿童的空闲时间，还通过智能化的回答为儿童带来知识科普的价值，辅助教育学习。

图：「Ray-Ban meta」智能眼镜

智能眼镜则更加注重通过AI提升语音交互能力。以meta联合雷朋推出的「Ray-Ban meta」智能眼镜为代表，这款产品通过加入摄像头、AI等功能，使用户可以通过语音交互让眼镜帮助安排工作与日程，或者实现百科问答、学习辅助、英文翻译、语音导航、超拟人情感陪伴及音乐娱乐等多种功能。在AI与RTC技术的加持下，智能眼镜还支持第一视角音视频回传，包括音视频通话、视频录制、直播等，同时还支持实时翻译、同声传译等场景，搭配手势识别，实现跨语言环境的语义理解。

智能耳机与大模型的结合则主要集中在实时翻译、情感交流、录音转写等核心功能。在实时翻译方面，智能耳机主要应用在1对1翻译场景，支持双方对话过程随时发言，无需等待翻译完成或对方发言结束，非常适合双人会议、差旅、教学、社交等高频深度对话场景。三星Galaxy Buds系列无线耳机、时空壶W4 Pro等产品就是其中的代表。同时，借助RTC技术，智能耳机还能实现多人同频道、AI降噪等功能。

在情感交流方面，Ola Friend智能耳机是一个热门产品，它可以实现英语陪练、旅行导游、情感交流等功能。对于开发者而言，声网提供了快速、易用、完整的解决方案，并采用了灵活可扩展的AIAgent架构，具备工作流编排能力。开发者与企业可以自主选择LLM等组件，根据特定需求定制和扩展AI驱动的实时互动体验。

在GenAI的趋势下，IoT行业还涌现了智能陪伴机器人、智能儿童毛绒玩具、智能戒指等一系列智能硬件场景，为用户带来不同硬件终端下的AI语音交互体验。

作为全球实时互动云行业的开创者，声网一直在探索GenAI与RTE结合带来的体验提升和场景创新。此前，声网发布了实时多模态对话式AI解决方案，并在此基础上针对IoT行业的特殊性，探索出了AI x IoT智能硬件解决方案。该方案能够在低功耗、低算力芯片上快速实现大模型的接入，具备低延时实时互动、低成本灵活适配的特性，通过丰富的功能在智能硬件场景中构建真实、自然的AI语音交互体验。