Hang látása, képek hallása: A mesterséges intelligencia szemüvegének hőmérséklete

Mivel 2026-nak csak a fele ment el, a kiadott mesterséges intelligencia szemüvegek száma már elérte a 68-at, és olyan márkák, mint a HUAWEI, a Thunderbird, az XREAL és a KEDAXUNFEI, mind új termékeket dobtak piacra. Az irodai munkától és a sporttól az egészségügyi segítségnyújtásig az AI szemüvegek bemutatják többfunkciós képességeiket.

Érdemes megjegyezni, hogy az 'audiovizuális asszisztencia', a mesterséges intelligencia szemüvegek egyik legkülönfélébb funkciója az utóbbi években felkeltette a gyártók figyelmét. Bizonyos mértékig nem a piac potenciális méretéről van szó, hanem arról az egyedi értékről, amelyet az AI-szemüvegek ezen a piacon mutathatnak.

Idén januárban a romániai .lumen startup bemutatott egy zavaró akadálymentesítési technológiát – a vakok számára készült .lumen navigációs szemüveget. Februárban a Meta továbbfejlesztett mesterséges intelligencia szemüveg kisegítő funkcióival segíti a kognitív fogyatékkal élőket és a veteránokat abban, hogy visszanyerjék önálló életvitelüket; márciusban a dél-koreai Daemyung Optics megállapodást írt alá az Everysight-val, hogy közösen fejlesszenek mesterséges intelligencia szemüveget, amely megoldásokat kínál hallás- és látássérült emberek számára; Júniusban a Rokid kijelentette, hogy külön csoportot hozott létre a speciális csoportok számára, hogy az érintett felhasználói csoportok körében végezzenek igényeket, és termékei felkerültek a fogyatékossággal élők szövetsége által támogatott segédeszközök listájára Zhejiangban, Szecsuánban, Jünnanban és Kína más régióiban.

Hang láthatóvá tétele: A feliratos szemüvegek felkerültek a kínai 'Assistive Device Subsidy' listára.

A hallássérült felhasználók számára az AI szemüveg legközvetlenebb haszna jelenleg az, hogy a hangot szöveggé alakítják, amely valós időben olvasható.

Ez az irány nem új. 2022-ben az LLVision kiadta a 'Listener' AR feliratos szemüveget, amely mikrofont használ a beszélgetés hangjának gyűjtésére, majd megjeleníti az átírt feliratokat a felhasználó látóterében. Ez a termék volt az egyik legkorábbi fogyasztói minőségű AR feliratos szemüveg, amely akkoriban tömeggyártást ért el.

A beszédfelismerés és a könnyű megjelenítési technológiák kifejlődésével a valós idejű feliratozás a speciális segédeszközökről az általános célú mesterséges intelligencia szemüvegekké válik. A Meta Ray-Ban Display támogatja a párbeszédes feliratok és fordítások megjelenítését a lencséken belül, a szöveget csak a viselője láthatja. Az olyan termékek, mint a Rokid Glasses és a Thunderbird X3 Pro, a valós idejű feliratozást és fordítást is beépítették a kijelző alapú mesterséges intelligencia szemüvegeik fő funkciói közé.

Egy másik technológiai megközelítés magának a hangnak a fokozása. A Meta 'Conversation Focus' funkciója, amelyet Ray-Ban Metán és Oakley Meta HSTN-en teszteltek, irányított mikrofonokat használ a beszélő hangjának kiemelésére a felhasználó előtt, csökkentve a környezeti zaj okozta interferenciát. Ez a fajta megoldás közelebb áll az enyhe hallókészülékekhez, és megfelelő zajos környezetben, például éttermekben, kiállításokon és vasútállomásokon, de nem helyettesítheti a feliratok megjelenítését a súlyos hallássérült felhasználók számára.

A termék szempontjából az AI szemüveg már rendelkezik a beszéd felirattá alakításának alapvető követelményeivel, de még mindig jelentős különbségek vannak a hozzáférhető feliratok és a szokásos értekezlet-átírás között. A mindennapi beszélgetések során gyakran többen beszélnek egyszerre, dialektusok, akcentusok, háttérzene és hirtelen környezeti zaj. A feliratos szemüvegnek a szöveg felismerése mellett meg kell határoznia a beszélő személyazonosságát és hangirányát, kezelnie kell a mondattöréseket, a hangszínt és a szövegkörnyezetet, valamint mikrofonos adatgyűjtést kell végeznie. Ezt a funkciót könnyű fejleszteni, jól csinálni viszont nem.

Jelenleg a kínai nemzeti politika elkezdte felkarolni ezt a termékformát. A fogyatékkal élők számára készült segédeszközök vásárlásához nyújtott támogatások pekingi katalógusának új változata felvette a listát a 'feliratos szemüveggel'. 2026 júliusában, a pekingi Haidian District Association for the Deaf által szervezett, mesterséges intelligenciával hajtott akadálymentes szemüveges élményrendezvényen a valós idejű feliratok, az intelligens fordítás és a navigáció voltak a főbb jellemzők.

A látvány hallhatóvá tételével az AI-szemüvegek kezdik felvenni a környezet megértésének szerepét.

A látássérült személyek mesterséges intelligencia szemüveg iránti igénye összetettebb. A gyengén látó felhasználók megőrizhetik a látásukat, és olyan funkciókat igényelnek, mint a képnagyítás, éljavítás, kontrasztbeállítás, színjavítás és szövegfelismerés. A teljesen vak vagy majdnem teljesen vak felhasználók számára a kijelző viszonylag korlátozott értéket képvisel; a termékeknek a kép- és térinformációkat hang-, tapintható- vagy egyéb jelekké kell alakítaniuk.

Ez meghatározza a látássérültek számára készült segédszemüvegek két különböző termékirányát is. Az első típus segít a felhasználóknak 'megérteni, mi van előttük'. A kamerák képesek felismerni a szöveget, árukat, bankjegyeket, embereket, busz- és útjelző táblákat, majd az eredményeket nyitott hangszórókon keresztül sugározzák. A multimodális nagymodellek javítják a jelenetleírási képességeket, lehetővé téve, hogy a szemüveg túlmutatjon az egyes tárgyak felismerésén, és olyan kérdésekre válaszoljon, mint 'Mi van az asztalon?', 'Mit csinál az előttem álló személy?', és 'Mit mond ez a megjegyzés?'.

A második típus segít a felhasználóknak 'meghatározni a következő lépést'. Ezeknek a termékeknek azonosítaniuk kell az úthatárokat, lépcsőket, akadályokat és dinamikus járműveket, meg kell határozniuk az objektumok közötti térbeli kapcsolatokat, majd cselekvési javaslatokat kell adniuk hang-, rezgés- vagy nyomásvisszajelzésen keresztül. A .lumen ezt az utóbbi megközelítést alkalmazza. Rendszere az autonóm vezetés környezeti felfogásából kölcsönöz, érzékelőket és mesterséges intelligenciát használ a biztonságos sétaútvonalak megtalálásához, majd a tapintható visszajelzések segítségével irányítja a felhasználókat az irányváltáshoz. A készülék nem támaszkodik előre megrajzolt környezeti térképekre, és nem kell folyamatosan hangon bejelentenie a balra és jobbra kanyarodást, így csökkentve a felhasználó hallási figyelmére nehezedő hangjelzések terhét.

A termék felelőssége azonban jelentősen megnő, ahogy a 'környezet leírásáról' az 'utazás irányítására' fejlődik. Míg az általános mesterséges intelligencia kérdések megválaszolása időnként felismerési hibákat mutathat, ami esetleg helytelen választ eredményezhet, a lépéseket, járműveket vagy akadályokat rosszul értékelő, elérhetetlen navigációs rendszerek közvetlenül befolyásolhatják a felhasználó biztonságát. Az átlátszó üveg, az alacsonyan fekvő akadályok, a felfüggesztett tárgyak, a háttérvilágítás és az éjszakai környezet mind olyan forgatókönyv, ahol a számítógépes látórendszerek hajlamosak téves megítélésre. A meglévő kutatások általában az akadályérzékelést, az útvonaltervezést, az érzékelőfúziót és az interaktív visszacsatolást tekintik a látássérültek számára készült navigációs rendszerek alapvető képességeinek.

Ezért ebben a szakaszban a mesterséges intelligencia szemüveg alkalmasabb a vesszők, vakvezető kutyák és emberi segítség kiegészítésére. A 2026-os londoni maraton során néhány látássérült futó Meta okosszemüveget használt a mérföldkő felismerésére és a hanginformációk megszerzésére, de a fő útmutatást továbbra is a kísérő futók vagy vakvezető kutyák adták. A valós használati esetek azt mutatják, hogy az AI szemüveg javíthatja az információszerzés hatékonyságát, de még mindig messze van attól, hogy teljes mértékben támogassa a biztonságos navigációt.

Az akadálymentesítési termékeknek meg kell tartaniuk az emberi segítség csatornáit is. Ha az eszköz nem tudja meghatározni az összetett útviszonyokat, a felhasználóknak képesnek kell lenniük gyorsan kapcsolatba lépni a családtagokkal vagy önkéntesekkel, hogy első személyű perspektivikus képeket és helyadatokat továbbítsanak a távoli asszisztenseknek. Ebben a szakaszban megbízhatóbb termékkombináció lehet, ha a mesterséges intelligencia magas frekvenciájú, szabványosított információkat kezel, alacsony frekvenciájú, de magas kockázatú forgatókönyvekben emberi beavatkozással.

Az akkumulátor élettartama: A hozzáférhető mesterséges intelligencia szemüvegek nagy akadálya

Az akadálymentesített mesterséges intelligencia szemüvegek nagyfrekvenciás segédeszközök, és a hagyományos fogyasztói mesterséges intelligencia szemüvegekhez képest magasabb követelményeket támasztanak az akkumulátor élettartamával és a viselési kényelemmel kapcsolatban. Ennek az az oka, hogy ezek a termékek nem alkalmi segédeszközök, hanem olyan eszközök, amelyeket gyakran használnak olyan nagyfrekvenciás helyzetekben, mint például az utazás vagy a kommunikáció. Ezért az akkumulátor élettartama és súlya fontos mutatók a hozzáférhető AI-szemüvegek hosszú távú használatához.

A kijelzők, a kamerák és a folyamatos mesterséges intelligencia számítástechnika továbbra is a legnagyobb energiafogyasztók. A Meta Ray-Ban Display hivatalosan az akkumulátor maximális élettartamát 6 óra vegyes használat mellett állítja be; A kijelző képernyőjét részben kiiktató mesterséges intelligencia lövésszemüvegek akár 10 órára is meghosszabbíthatják az akkumulátor üzemidejét, de a folyamatos videórögzítési idő csak 1 órán belül tartható fenn, ami megnehezíti a folyamatos mesterséges intelligencia vizuális megértésének igényeit.

Jelenleg a gyártók folyamatosan vizsgálják az akkumulátor élettartamának javítását. Például a Rokid nyakpántos akkumulátora a Rokid Glass3 B2B üzletágban legalább két és fél órányi folyamatos működést biztosít, miközben a kamera működik.

Ezenkívül a cserélhető akkumulátor-kialakítás egy másik hatékony módja az akkumulátor élettartamának növelésének hardver szempontból. A felhasználók eltávolíthatják és behelyezhetik a szárat, hogy kicseréljék a fő akkumulátort, és a másodlagos akkumulátor folyamatos energiát tud fenntartani a cserefolyamat során. Az elemcsere tokkal együtt használva egész napos akkumulátor-élettartamot tesz lehetővé. Rendszerszinten a kétchipes architektúra is jelentősen javíthatja az akkumulátor élettartamát.

Természetesen a fent felsorolt ​​megoldások mellett a probléma valódi megoldásához valódi forradalomra van szükség az akkumulátorok alapanyagában, például a szilícium-szén anód anyagok és a szilárdtest akkumulátorok terén.

A kapcsolódó adatok azt mutatják, hogy a hagyományos grafit anódokhoz képest a szilícium-szén anódok jelentősen javíthatják az akkumulátorok tömegenergia-sűrűségét és térfogati energiasűrűségét, jellemzően 8-40%-kal növelik az akkumulátor teljes energiasűrűségét. Ezzel egyidejűleg a szilícium nagy elméleti fajlagos kapacitása miatt az akkumulátor élettartama és a gyorstöltési teljesítmény is nagymértékben optimalizálható.

Ezt az anyagot először csúcskategóriás okostelefonokban és egyéb elektronikai eszközökben használták, majd később szemüvegre is alkalmazták. A XIAOMI mesterséges intelligencia szemüvegébe épített 263 mAh-s XIAOMI Jinshajiang akkumulátor ugyanazt a nagy sűrűségű szilícium-szén anód technológiát használja, mint a XIAOMI telefonokban, ami nagymértékben javítja az AI szemüveg akkumulátorának élettartamát.

A hagyományos lítium-ion akkumulátorokhoz képest a szilárdtest akkumulátorok nagyobb energiasűrűséget, gyorsabb töltési sebességet és nagyobb biztonságot kínálnak. Az AI szemüvegeknél különösen fontos a szilárdtest akkumulátorok miniatürizálása és nagy energiasűrűsége. Hordható eszközként az AI-szemüvegek nagyon korlátozott belső térrel rendelkeznek. A félvezető akkumulátorok jobban alkalmazkodnak ezekhez a kompakt helyigényekhez, miközben elegendő energiát biztosítanak az AI-szemüvegek különféle funkcióinak támogatásához, például a nagy fényerejű kijelzőkhöz, a képfelismeréshez és a hosszú távú videorögzítéshez.

Végül, az Egészségügyi Világszervezet 2019-es látási világjelentése azt mutatja, hogy világszerte több mint 2,2 milliárd ember szenved látássérüléstől vagy vakságtól. Ami a hallást illeti, világszerte körülbelül 1,5 milliárd embernek van különböző fokú halláskárosodása, és körülbelül 430 millióan szenvednek súlyos halláskárosodást.

Bár az akadályok hiánya nem biztos, hogy a leggyorsabban növekvő piac az AI-szemüvegek számára, minden bizonnyal ez az egyik olyan forgatókönyv, amely a legjobban teszteli a termék értékét. A hétköznapi felhasználók elviselik az alkalmi felismerési hibákat, és könnyen használhatják telefonjukat alternatívaként; A kommunikációhoz és utazáshoz eszközöket használó felhasználók számára azonban a pontosság, a késleltetés, az akkumulátor élettartama és a megbízhatóság közvetlenül befolyásolja a felhasználói élményt és a személyes biztonságot.

Az akadálymentesítés terén a látás- és hallássérültek mellett az 'ezüsthajú' lakosság is felkeltette a kínai gyártók figyelmét. A tavalyi Senior Expón a LIANHUI Technology piacra dobta a világ első, Om intelligens aggyal felszerelt szemüvegét, amelyet kifejezetten idősek számára terveztek. A szemüveg mindössze 45 grammot nyom, 8 órás akkumulátor-üzemidővel rendelkezik, és támogatja az olyan mesterséges intelligencia funkciókat, mint a minden érzékelése, a proaktív interakció és az autonóm döntéshozatal.

A 4. Kínai Sencsen-i Nemzetközi Optikai Vásáron és a 2026-os első mesterséges intelligencia szemüvegkiállításon a MINGZHI Cloud Technology mesterséges intelligenciával működő szemüvegeket is piacra dobott az idősek számára. A nagyméretű modelltechnológiával felszerelt szemüveg olyan funkciókat integrál, mint a látássegítés, a hallássegítés, a vészhelyzeti reagálás és a távoli segítségnyújtás, így személyre szabott intelligens hordható megoldást kínál az idősek számára.

Az AI-szemüveg emberi érintése folyamatosan növekszik.

Forrás: VRTUOLUO