GenAI浪潮下 智能硬件如何实现低延时AI语音交互

声网经过市场调研发现，目前多模态大模型在智能硬件场景的落地主要以智能眼镜、智能手表、智能耳机等穿戴式设备为主，同时在智能门铃、智能陪伴玩具等 IoT 场景也有一些应用。不同场景展现出的用户需求与场景特点存在一定的差异化，例如：

• 智能手表：智能儿童手表是多模态大模型最早落地 IoT 行业的硬件场景之一，目前 360儿童手表、小天才等儿童手表中已率先集成应用。流畅的 AI 互动问答可以填充儿童空闲时间，智能化的回答也为儿童带来了知识科普的价值，起到教育学习的辅助作用。同时，智能手表的屏幕较小，对语音交互的诉求更强，加入对话式 AI 显得更顺其自然。
• 智能眼镜：不同于将重点放在虚拟与现实结合的AR眼镜，智能眼镜更加注重通过 AI 提升语音交互能力，今年 Meta 联合雷朋推出的「Ray-Ban Meta」智能眼镜就是代表产品。通过在智能眼镜中加入摄像头、AI 等功能，用户可通过语音交互让眼镜来帮助工作&日程安排，或者开启百科问答、学习辅助、英文翻译、语音导航、超拟人情感陪伴及音乐娱乐等功能。
  在 AI 与 RTC 能力的加持下，智能眼镜可以支持第一视角音视频回传（包含音视频通话、视频录制、直播等），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：智能耳机与大模型的结合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，智能耳机目前主要应用在1对1翻译，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，适合双人会议、差旅、教学、社交等高频深度对话场景，代表产品有三星 Galaxy Buds 系列无线耳机、时空壶 W4 Pro等。同时，借助 RTC 的能力，在智能耳机中还能实现多人同频道、AI降噪等功能。
  
  在情感交流方面，代表产品有当下热门的 Ola Friend 智能耳机，该产品可实现英语陪练、旅行导游、情感交流等功能。开发者如想快速上线此类型的智能耳机，声网可以提供快速、已用、完整的解决方案，并采用了灵活可扩展的 AI Agent架构，具备工作流编排能力，开发者与企业可自主选择 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。
• 智能门铃：在智能门铃等IPC场景，加入 AI 大模型的能力，可通过摄像头实时识别并理解视频内容，实现设备无人值守场景下的自定义交互，如：外卖、快递上门，在家中无人时，门铃可自动识别并应答，指导快递员将货物放到指定位置。

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

声网作为全球实时互动云行业的开创者，一直在探索 GenAI 与 RTE 结合带来的体验提升和场景创新，此前发布了实时多模态对话式 AI 解决方案，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。