在 GenAI 的海潮下，九行八业正迎来全新的变革，看成 AI 载体的智能硬件行业也不例外，一方面，AIGC 与机器东谈主的结合，鼓动具身智能产业快速发展，科幻电影里善解东谈认识的清扫机器东谈主“瓦力”、医疗机器东谈主“大白”正在走进试验。另一方面，以智高东谈主表、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结合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建筑被视为第一批 AI 硬件改进，这类智能建筑固然经过多年的市集讲授已逐渐融入了咱们的生存，成为不少家庭的语音助手，但其中 AI 的智能化还较为低级。近两年跟随 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，带来全新的东谈主机交互体验，催生智能硬件行业新的变革。

智能硬件+多模态大模子  一稔式建筑交互体验迎来变革

声网经过市集调研发现，现在多模态大模子在智能硬件场景的落田主要以智能眼镜、智高东谈主表、智能耳机等一稔式建筑为主，同期在智能门铃、智能陪伴玩物等 IoT 场景也有一些专揽。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：

智高东谈主表：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，现在 360儿童腕表、小天才等儿童腕表中已领先集成专揽。畅达的 AI 互动问答不错填充儿童安详时辰，智能化的回应也为儿童带来了学问科普的价值，起到讲授学习的援救作用。同期，智高东谈主表的屏幕较小，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：不同于将重心放在假造与试验结合的AR眼镜，智能眼镜愈加贯注通过 AI 提高语音交互才智，本年 Meta 集结雷一又推出的「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、学习援救、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 才智的加抓下，智能眼镜不错相沿第一视角音视频回传（包含音视频通话、视频录制、直播等），还相沿及时翻译、同声传译等场景，搭配手势识别，收场跨话语环境 的语义结合。

智能耳机：智能耳机与大模子的结合主要集结在及时翻译、脸色交流、灌音转写等中枢功能，在及时翻译方面，智能耳机现在主要专揽在1对1翻译，相沿两边对话历程随时发言，无需恭候翻译完成或对方发言放胆，符合双东谈主会议、差旅、素养、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 的才智，在智能耳机中还能收场多东谈主同频谈、AI降噪等功能。

在脸色交流方面，代表居品有当下热点的Ola Friend 智能耳机，该居品可收场英语陪练、旅行导游、脸色交流等功能。设备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、完满的惩处决议，并接受了无邪可扩张的 AIAgent架构，具备责任流编排才智，设备者与企业可自主聘用 LLM 等组件，证实特定需求定制和扩张 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 大模子的才智，可通过录像头及时识别并结合视频实质，收场建筑无东谈主值守场景下的自界说交互，如：外卖、快递上门，在家中无东谈主时，门铃可自动识别并交代，换取快递员将货色放到指定位置。

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

声网 AI x IoT 智能硬件惩处决议 低功耗、低延时、低资本

声网看成内行及时互动云行业的创始者，一直在探索 GenAI 与 RTE 结合带来的体验提高和场景创新，此前发布了及时多模态对话式 AI 惩处决议，在此基础上，针对 IoT 行业的特殊性，声网探索出了AI x IoT 智能硬件惩处决议，该决议概况在低功耗、低算力芯片上快速收场大模子的接入，具备低延时及时互动、低资本无邪适配的性情，通过丰富的功能在智能硬件场景中构建实在、当然的 AI 语音交互体验。

举例对交互蔓延进行优化，语音交互延时低至1s内；相沿多模态 AI 语义识别和结合；相沿 AI降噪，保施展晰的语音交互、相沿小包体、低内存、低功耗；适配相沿70+主流、高性价比的芯片等，匡助设备者与企业快速构建适配我方硬件的 AI 及时语音对话事业。

图：声网 AI x IoT 智能硬件惩处决议架构图

1、毫秒级东谈主机交互体验：声网 AI x IoT 智能硬件惩处决议进一步优化了端到端互动体验，收场东谈主与建筑之间基于 LLM 的毫秒级互动体验。通过在客户端进行低蔓延的音频汇集和播放、借助声网自研的 SD-RTN™ 及时传输汇集收场内行界限的低延时 RTC 传输，并进一步通过更快速的 LLM 推理首字耗时、低蔓延流式 TTS、同机部署等一系列工夫技能,保证对话的及时性与畅达性。

2、文本/图像/音频/视频的多模态交互：在智能硬件场景，声网的惩处决议雷同相沿文本/图像/音频/视频的组合输入&输出，同期设备者与企业也无需颠倒集成STT、TTS 等模块化组件，一套决议就能快速构建 AI 及时语音对话事业。

3、聚焦舛误信息，提高语义结合度：在 GenAI 场景，能否相沿随时打断也成为意想大模子智能化的紧迫盘算推算，声网的惩处决议也相沿先进的 AI-VAD 工夫，可收场灵巧的当然语音打断，模拟东谈主类对话的当然流动，让对话愈加实在、当然。

4、AI降噪保险语音对话明晰、顺畅：针对语音对话中频繁会出现的杂音、回声等问题，声网领有行业超过的音频 3A 才智，通过AI噪声扼制、布景东谈主声过滤、音乐检测/过滤等算法，确保东谈主与 AI 的对话不受环境侵犯，永恒保抓顺畅。

5、收场多模态 AI 才智普适：收场纵情可视建筑的智能化体验：在硬件场景构建音视频互动需要非凡驻守 SDK 对芯片、系统的适配性以及包体的体积等。声网的惩处决议适配相沿 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、海念念、Mstar 等 70+ Linux 芯片。

集成包体积增量也＜400KB，相沿在 RTOS、embedLinux 等低功耗系统畅达初始，同期 SDK 还相沿 PCM、G711U/A、G722、AAC、OPUS 等多种音频智力。

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