Nakakakita ng Tunog, Nakarinig ng Mga Larawan: Ang Temperatura ng AI Salamin

Sa kalahati na lang ng 2026, ang bilang ng AI glasses na inilabas ay umabot na sa 68, kasama ang mga brand tulad ng HUAWEI, Thunderbird, XREAL, at KEDAXUNFEI na lahat ay naglulunsad ng mga bagong produkto. Mula sa trabaho sa opisina at sports hanggang sa mga aplikasyon para sa tulong sa kalusugan, ipinapakita ng AI glasses ang kanilang mga multi-functional na kakayahan.

Kapansin-pansin na ang 'audiovisual assistance,' isang angkop na tampok ng AI glasses, ay nakakakuha ng atensyon mula sa mga manufacturer nitong mga nakaraang taon. Sa ilang lawak, hindi ito tungkol sa potensyal na laki ng merkado, ngunit sa halip ay ang natatanging halaga na maaaring ipakita ng mga salamin sa AI sa loob ng market na ito.

Noong Enero ng taong ito, ipinakita ng Romanian startup na .lumen ang isang nakakagambalang teknolohiya sa accessibility—ang .lumen navigation glasses para sa mga bulag. Noong Pebrero, Meta advanced AI glasses assistive functions upang matulungan ang mga taong may kapansanan sa pag-iisip at ang mga beterano ay muling mabuhay ng malayang pamumuhay; noong Marso, nilagdaan ng Daemyung Optics ng South Korea ang isang kasunduan sa Everysight upang sama-samang bumuo ng AI glasses upang magbigay ng mga solusyon para sa mga taong may kapansanan sa pandinig at paningin; noong Hunyo, sinabi ni Rokid na nagtayo ito ng dedikadong team para sa mga espesyal na grupo na magsagawa ng mga pangangailangang pananaliksik sa mga nauugnay na grupo ng gumagamit, at ang mga produkto nito ay kasama sa listahan ng mga pantulong na tool na tinutustusan ng Disabled Persons' Federation sa Zhejiang, Sichuan, Yunnan at iba pang rehiyon ng China.

Ginagawang nakikita ang tunog: Ang mga subtitle na salamin ay kasama sa listahan ng 'Assistive Device Subsidy' ng China.

Para sa mga user na may kapansanan sa pandinig, ang pinakadirektang benepisyo ng AI glasses sa kasalukuyan ay ang pag-convert ng tunog sa text na mababasa sa real time.

Ang direksyong ito ay hindi na bago. Noong 2022, inilabas ng LLVision ang AR subtitle glasses na 'Listener,' na gumagamit ng mikropono upang mangolekta ng audio sa pakikipag-usap at pagkatapos ay ipinapakita ang mga na-transcribe na subtitle sa larangan ng paningin ng user. Ang produktong ito ay isa rin sa pinakaunang consumer-grade AR subtitle glasses na nakamit ang mass production noong panahong iyon.

Sa pagkahinog ng speech recognition at magaan na mga teknolohiya sa pagpapakita, ang real-time na captioning ay nagsisimula nang lumipat mula sa mga espesyal na pantulong na device tungo sa pangkalahatang layunin na mga salamin ng AI. Sinusuportahan ng Meta Ray-Ban Display ang pagpapakita ng mga caption ng diyalogo at pagsasalin sa loob ng mga lente, na ang text ay makikita lamang ng nagsusuot. Ang mga produkto tulad ng Rokid Glasses at Thunderbird X3 Pro ay nagsama rin ng real-time na captioning at pagsasalin bilang mga pangunahing feature ng kanilang display-based na AI glasses.

Ang isa pang teknolohikal na diskarte ay upang mapahusay ang tunog mismo. Ang tampok na 'Conversation Focus' ng Meta, na sinubukan sa Ray-Ban Meta at Oakley Meta HSTN, ay gumagamit ng mga direksyong mikropono upang i-highlight ang boses ng speaker sa harap ng user, na binabawasan ang interference mula sa ambient noise. Ang ganitong uri ng solusyon ay mas malapit sa banayad na hearing aid at angkop para sa maingay na kapaligiran gaya ng mga restaurant, eksibisyon, at istasyon ng tren, ngunit hindi nito mapapalitan ang pagpapakita ng caption para sa mga user na may malubhang kapansanan sa pandinig.

Mula sa pananaw ng produkto, ang mga salamin sa AI ay nagtataglay na ng mga pangunahing kinakailangan para sa pag-convert ng pagsasalita sa mga subtitle, ngunit mayroon pa ring makabuluhang pagkakaiba sa pagitan ng mga naa-access na subtitle at ordinaryong transkripsyon ng pulong. Ang pang-araw-araw na pag-uusap ay kadalasang kinasasangkutan ng maraming tao na nagsasalita nang sabay-sabay, mga diyalekto, accent, background music, at biglaang ingay sa kapaligiran. Bilang karagdagan sa pagkilala sa text, kailangan ding matukoy ng mga subtitle glass ang pagkakakilanlan ng tagapagsalita at direksyon ng boses, pangasiwaan ang mga break ng pangungusap, tono, at konteksto, at may kinalaman sa pangongolekta ng data ng mikropono. Ang pagbuo ng function na ito ay madali, ngunit ang paggawa nito ng maayos ay hindi.

Sa kasalukuyan, sinimulan nang tanggapin ng pambansang patakaran ng China ang anyo ng produktong ito. Ang bagong bersyon ng catalog ng Beijing para sa mga subsidyo para sa pagbili ng mga pantulong na device para sa mga may kapansanan ay nagdagdag ng 'subtitle glasses' sa listahan. Noong Hulyo 2026, sa panahon ng isang AI-powered accessible glass experience event na inorganisa ng Haidian District Association for the Deaf sa Beijing, ang mga real-time na subtitle, matalinong pagsasalin, at nabigasyon ang mga pangunahing feature na ipinakita.

Sa pamamagitan ng paggawa ng mga visual na naririnig, ang mga baso ng AI ay nagsisimulang gumanap sa papel ng pag-unawa sa kapaligiran.

Ang mga pangangailangan ng mga taong may kapansanan sa paningin para sa mga salamin sa AI ay mas kumplikado. Maaaring mapanatili ng mga user na mahina ang paningin, at nangangailangan sila ng mga feature gaya ng pag-magnify ng imahe, pagpapahusay ng gilid, pagsasaayos ng contrast, pagpapahusay ng kulay, at pagkilala sa text. Para sa mga ganap na bulag o halos ganap na bulag na mga gumagamit, ang display screen ay medyo limitado ang halaga; kailangang i-convert ng mga produkto ang imahe at spatial na impormasyon sa boses, tactile, o iba pang mga pahiwatig.

Tinutukoy din nito ang dalawang magkaibang direksyon ng produkto para sa pantulong na baso para sa may kapansanan sa paningin. Ang unang uri ay tumutulong sa mga user na 'maunawaan kung ano ang nasa harapan nila.' Makikilala ng mga camera ang teksto, mga kalakal, mga banknote, mga tao, mga palatandaan ng bus at kalsada, at pagkatapos ay i-broadcast ang mga resulta sa pamamagitan ng mga bukas na speaker. Ang mga malalaking modelo ng multimodal ay nagpapahusay sa mga kakayahan sa paglalarawan ng eksena, na nagpapahintulot sa mga salamin na lumampas sa pagkilala sa mga solong bagay at sagutin ang mga tanong tulad ng 'Ano ang nasa mesa?', 'Ano ang ginagawa ng taong nasa harap ko?', at 'Ano ang sinasabi ng paunawang ito?'.

Ang pangalawang uri ay tumutulong sa mga user na 'matukoy ang kanilang susunod na galaw.' Kailangang matukoy ng mga produktong ito ang mga hangganan ng kalsada, mga hakbang, mga hadlang, at mga dynamic na sasakyan, matukoy ang mga spatial na relasyon sa pagitan ng mga bagay, at pagkatapos ay magbigay ng mga mungkahi sa pagkilos sa pamamagitan ng boses, vibration, o pressure na feedback. Pinagtibay ng lumen ang huling pamamaraang ito. Ang system nito ay humihiram mula sa mga konsepto ng pangkapaligiran na pang-unawa ng autonomous na pagmamaneho, gamit ang mga sensor at AI upang makahanap ng mga ligtas na landas sa paglalakad at pagkatapos ay gumagamit ng haptic na feedback upang gabayan ang mga user na magbago ng direksyon. Ang device ay hindi umaasa sa mga paunang iginuhit na mga mapa ng kapaligiran, at hindi rin nito kailangan na patuloy na ipahayag ang kaliwa at kanang mga pagliko sa pamamagitan ng boses, na binabawasan ang pasanin ng auditory prompt sa pandinig na atensyon ng user.

Gayunpaman, ang mga responsibilidad ng isang produkto ay tumataas nang malaki habang nagbabago ito mula sa 'paglalarawan sa kapaligiran' patungo sa 'paggabay sa paglalakbay.' Habang ang pangkalahatang pagsagot sa tanong ng AI ay maaaring paminsan-minsan ay nagpapakita ng mga error sa pagkilala, na posibleng magresulta sa isang maling sagot, hindi naa-access na mga system ng nabigasyon na maling hinuhusgahan ang mga hakbang, sasakyan, o mga hadlang ay maaaring direktang makaapekto sa kaligtasan ng user. Ang transparent na salamin, mabababang obstacle, nasuspinde na mga bagay, backlighting, at mga kapaligiran sa gabi ay lahat ng mga sitwasyon kung saan ang mga computer vision system ay madaling kapitan ng mga maling paghuhusga. Sa pangkalahatan, isinasaalang-alang ng kasalukuyang pananaliksik ang pag-detect ng obstacle, pagpaplano ng landas, pagsasanib ng sensor, at interactive na feedback bilang mga pangunahing kakayahan ng mga navigation system para sa mga may kapansanan sa paningin.

Samakatuwid, sa yugtong ito, ang mga baso ng AI ay mas angkop bilang pandagdag sa mga tungkod, gabay na aso, at tulong ng tao. Sa panahon ng 2026 London Marathon, gumamit ng Meta smart glasses ang ilang runner na may kapansanan sa paningin upang makakuha ng landmark na pagkilala at impormasyon ng boses, ngunit ang pangunahing gabay ay ibinigay pa rin ng mga kasamang runner o guide dog. Ipinapakita ng mga real-world na kaso ng paggamit na ang mga salamin sa AI ay maaaring mapabuti ang kahusayan sa pagkuha ng impormasyon, ngunit malayo pa rin ang mga ito sa ganap na pagsuporta sa ligtas na pag-navigate.

Kailangan ding panatilihin ng mga produkto ng accessibility ang mga channel para sa tulong ng tao. Kapag hindi matukoy ng device ang mga kumplikadong kundisyon ng kalsada, dapat na mabilis na makipag-ugnayan ang mga user sa mga miyembro ng pamilya o mga boluntaryo upang magpadala ng mga larawan ng pananaw at impormasyon ng lokasyon sa unang tao sa mga malalayong katulong. Ang pangangasiwa ng AI sa mataas na dalas, standardized na impormasyon, na may interbensyon ng tao sa mga sitwasyong mababa ang dalas ngunit mataas ang panganib, ay maaaring maging isang mas maaasahang kumbinasyon ng produkto sa yugtong ito.

Tagal ng baterya: Isang malaking hadlang para sa naa-access na mga salamin sa AI

Ang mga naa-access na salamin sa AI ay mga high-frequency na pantulong na device, at kumpara sa ordinaryong mga salaming pang-consumer na AI, mayroon silang mas mataas na mga kinakailangan para sa buhay ng baterya at ginhawa sa pagsusuot. Ito ay dahil ang mga produktong ito ay hindi paminsan-minsang mga pantulong na tool, ngunit sa halip ay mga device na madalas na ginagamit sa mga sitwasyong may mataas na dalas gaya ng paglalakbay at komunikasyon. Samakatuwid, ang tagal ng baterya at timbang ay mahalagang mga tagapagpahiwatig para sa pangmatagalang paggamit ng naa-access na mga baso ng AI.

Ang mga display, camera, at tuluy-tuloy na AI computing ay nananatiling pinakamalaking consumer ng kuryente. Ang Meta Ray-Ban Display ay opisyal na nagsasaad ng maximum na buhay ng baterya na 6 na oras na may halo-halong paggamit; Ang AI shooting glasses na bahagyang nag-aalis sa display screen ay maaaring magpahaba ng buhay ng baterya ng higit sa 10 oras, ngunit ang tuloy-tuloy na oras ng pag-record ng video ay mapapanatili lamang sa loob ng 1 oras, na nagpapahirap sa pagtugon sa mga pangangailangan ng tuluy-tuloy na AI visual na pag-unawa.

Sa kasalukuyan, patuloy na tinutuklasan ng mga tagagawa ang mga pagpapabuti sa buhay ng baterya. Halimbawa, ang baterya ng neckband ng Rokid sa negosyo nitong Rokid Glass3 B2B ay nagbibigay ng hindi bababa sa dalawa at kalahating oras ng tuluy-tuloy na operasyon habang gumagana ang camera.

Higit pa rito, ang isang mapapalitang disenyo ng baterya ay isa pang epektibong paraan upang mapataas ang buhay ng baterya mula sa pananaw ng hardware. Maaaring alisin at ipasok ng mga user ang templo upang palitan ang pangunahing baterya, at ang pangalawang baterya ay maaaring mapanatili ang tuluy-tuloy na kapangyarihan sa panahon ng proseso ng pagpapalit. Kapag ginamit kasama ng battery swapping case, pinapagana nito ang buong araw na buhay ng baterya. Sa antas ng system, ang isang dual-chip na disenyo ng arkitektura ay maaari ding makabuluhang mapabuti ang buhay ng baterya.

Siyempre, bukod sa mga solusyon na nakalista sa itaas, ang isang tunay na rebolusyon sa mga pinagbabatayan na materyales ng mga baterya ay kailangan upang tunay na malutas ang problema, tulad ng mga pagsulong sa mga silicon-carbon anode na materyales at solid-state na mga baterya.

Ipinapakita ng kaugnay na data na kumpara sa mga ordinaryong graphite anodes, ang mga silicon-carbon anodes ay maaaring makabuluhang mapabuti ang mass energy density at volumetric energy density ng mga baterya, na karaniwang nagpapataas ng kabuuang density ng enerhiya ng baterya ng 8% hanggang 40%. Kasabay nito, dahil sa mataas na teoretikal na kapasidad ng silicon, ang buhay ng baterya at pagganap ng mabilis na pag-charge ay maaari ding lubos na ma-optimize.

Ang materyal na ito ay unang ginamit sa mga high-end na smartphone at iba pang mga elektronikong aparato, at kalaunan ay inilapat din ito sa mga salamin. Ang 263mAh XIAOMI Jinshajiang na baterya na nakapaloob sa AI glasses ng XIAOMI ay gumagamit ng parehong high-density silicon-carbon anode na teknolohiya gaya ng sa XIAOMI phones, na lubos na nagpapahusay sa buhay ng baterya ng AI glasses.

Kung ikukumpara sa mga tradisyonal na lithium-ion na baterya, ang mga solid-state na baterya ay nag-aalok ng mas mataas na density ng enerhiya, mas mabilis na bilis ng pag-charge, at mas mahusay na kaligtasan. Para sa mga salamin sa AI, ang miniaturization at mataas na density ng enerhiya ng mga solid-state na baterya ay partikular na mahalaga. Bilang mga naisusuot na device, ang mga salamin sa AI ay may napakalimitadong panloob na espasyo. Ang mga solid-state na baterya ay maaaring mas mahusay na umangkop sa mga compact na kinakailangan sa espasyo habang nagbibigay ng sapat na enerhiya upang suportahan ang iba't ibang mga function ng AI glasses, tulad ng mga high-brightness na display, pagkilala sa imahe, at pangmatagalang pag-record ng video.

Sa wakas, ang 2019 World Report on Vision ng World Health Organization ay nagpapakita na higit sa 2.2 bilyong tao sa buong mundo ang dumaranas ng kapansanan sa paningin o pagkabulag. Tungkol sa pandinig, humigit-kumulang 1.5 bilyong tao sa buong mundo ang may iba't ibang antas ng pagkawala ng pandinig, na may humigit-kumulang 430 milyon na nakakaranas ng matinding kapansanan sa pandinig.

Bagama't ang kawalan ng mga hadlang ay maaaring hindi ang pinakamabilis na lumalagong merkado para sa mga salamin sa AI, tiyak na isa ito sa mga sitwasyong pinakamahusay na sumusubok sa halaga ng produkto. Maaaring tiisin ng mga ordinaryong user ang paminsan-minsang mga error sa pagkilala at madaling gamitin ang kanilang mga telepono bilang mga alternatibo; gayunpaman, para sa mga user na umaasa sa mga device para sa komunikasyon at paglalakbay, ang katumpakan, latency, buhay ng baterya, at pagiging maaasahan ay direktang nakakaapekto sa karanasan ng user at personal na kaligtasan.

Sa mga tuntunin ng accessibility, bilang karagdagan sa mga taong may kapansanan sa paningin at pandinig, ang populasyon ng 'silver-haired' ay nakakuha din ng atensyon ng mga manufacturer ng China. Sa Senior Expo noong nakaraang taon, inilunsad ng LIANHUI Technology ang unang baso ng visual aid sa mundo na nilagyan ng Om intelligent na utak, na sadyang idinisenyo para sa mga matatanda. Ang mga baso ay tumitimbang lamang ng 45 gramo, may 8 oras na tagal ng baterya, at sinusuportahan ang mga kakayahan ng AI gaya ng pagdama ng lahat, aktibong pakikipag-ugnayan, at autonomous na paggawa ng desisyon.

Sa 4th China Shenzhen International Optical Fair at sa 2026 First Artificial Intelligence Eyewear Exhibition, inilunsad din ng MINGZHI Cloud Technology ang mga salamin na pinapagana ng AI para sa mga matatanda. Nilagyan ng malakihang teknolohiya ng modelo, ang mga salamin na ito ay nagsasama ng mga function tulad ng tulong sa paningin, tulong sa pandinig, pagtugon sa emerhensiya, at malayuang tulong, na nagbibigay ng customized na smart wearable na solusyon para sa mga senior citizen.

Ang hawakan ng tao sa mga baso ng AI ay patuloy na tumataas.

Pinagmulan:：VRTUOLUO