返回资讯中心
外部精选
软件工程
#开发者实时流

智能眼镜助残技术:避开摄像头争议,用音频和AI辅助听障视障者

来源标题:Smart Glasses for Disabilities

智能眼镜正被用于辅助听障、视障和记忆障碍人群,但摄像头引发的隐私争议促使厂商转向音频放大、语音转写和唇读等替代方案。新物理模拟工具和ARM Cortex-M85超低功耗处理器提升了本地AI性能与续航。英国盲人剧作家Richard Boggie担忧,公众对滥用的反感会让真正需要辅助的用户遭到质疑。

Hacker News 最新rbanffy2026/11/5 · 12 天前30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

虽然Meta的Ray-Bans等智能眼镜日益被视为“偷窥眼镜”,但这项技术在帮助有听力、视力与记忆障碍的人群方面具有强大潜力。

尤其是视频摄像头,被认为侵犯他人隐私,让佩戴者能够在他人不知情或未同意的情况下拍摄。因此,辅助技术的使用也存在其他替代方案,包括具备开放式音频放大的眼镜、音频转写,甚至隔着口罩进行唇读。面向AI的新一代基于物理的仿真工具正在促进这类眼镜的开发,而搭载ARM Cortex-M85核心的新一代超低功耗处理器则有助于提升性能、承载本地AI并延长电池续航。

“我一直非常担忧近期对AI/智能眼镜的滥用,”英国纽卡斯尔的一位盲人剧作家Richard Boggie说。“我也对一些人使用这项技术的方式感到震惊。这是剥削性的、不恰当的,但我担心公众对这种滥用的反应会导致真正的用户受到质疑。”

根据英国皇家国家聋人研究所的数据,英国有超过120万成年人的听力损失严重到使普通对话变得困难,而帮助他们并不需要视频。

Nuance Audio开发的智能眼镜使用由六个内部麦克风组成的阵列,结合定向波束成形技术和开放式扬声器,在不将任何物体放入耳内的情况下放大语音。 Nuance Audio智能眼镜增强定向音频 六个麦克风隐藏在镜架各处:两个朝前位于前端,其余则安置在镜腿沿线。它们使用波束成形算法锁定来自特定方向的声音,同时降低来自侧面和后方的竞争性背景噪声。 位于镜腿上、耳朵正上方的隐蔽迷你扬声器通过空气传导清晰地传递处理后的声音。低于8毫秒的低延迟确保唇部动作与放大后的声音保持同步。 有多种聆听模式。正面模式将焦点缩小到正前方的人,并削减来自侧面和后面的环境噪声,适用于餐厅或一对一交谈等环境;而全方位模式则以360度均匀开放音频采集,适用于行走、驾驶或一般环境感知。

其他开发者,例如位于中国深圳的Even Realities,也在避免使用摄像头。相反,Even G2智能眼镜在屏幕上显示对话转录。这一由AI支持的“conversate”功能在对话期间提供提示和解释,并在之后生成AI摘要。 这款重36克的智能眼镜还提供30多种语言的翻译,并通过Even R1智能戒指中的内置地磁传感器进行导航。

对声音如何被听到进行建模是一项关键挑战,尤其是对AI模型而言。冰岛公司Treble正在开发仿真工具来对AI模型的性能进行建模,而智能眼镜是一个快速增长的领域,联合创始人Finnur Pind表示。 “我们正在对声音的物理特性进行建模,以创建任何可想象环境的声学效果,”他说。“我们使用麦克风、扬声器、模数转换器(ADC)、数模转换器(DAC)和头部相关传递函数(HRTF)的模型,并对所有这些组件的物理特性进行建模。例如,对于AR眼镜中的扬声器,我们对该扬声器的物理特性进行建模,输入在房间内辐射,到达眼镜,我们再对麦克风围绕头部的折射物理特性进行建模。” “智能眼镜目前是我们较大的市场之一,要对头部的形状以及眼镜的佩戴贴合进行建模,”Pind说。“我们的客户正是开发LLM的那些人,他们既做边缘处理也做远程处理。” “我对如今在设备上所能实现的功能印象深刻,而正在研发中的东西极其有趣,比如超人类听觉和转录。你可以使用选择性听觉来选择你想听到的内容,并实时获得转录或翻译。这将非常强大,”他说。

英国的一个项目甚至让智能眼镜能够隔着口罩读唇。新冠疫情凸显了当所有人都必须戴口罩时唇读所面临的挑战,因此一群大学研究人员一直在推动传感技术的极限。 COG-MHEAR项目一直在开发“助听眼镜”,通过结合唇读技术和AI,可能大幅改善听障人士对声音的体验。 最初的目标是通过创建一种能够实时滤除背景噪声的设备来帮助听障人士,即使在嘈杂环境中也是如此。它使用AI将说话者的声音与周围噪声分离,并将清理后的声音几乎即时地传回听者的助听器或耳机。 “我们不是试图重新发明助听器。我们是在试图赋予它们超能力,”Mathini Sellathurai教授说。她是格拉斯哥赫瑞瓦特大学的两位研究人员之一,与斯特灵、格拉斯哥、爱丁堡、曼彻斯特和诺丁汉大学的研究人员合作。 “你只需将摄像头对准或看向你想听到的人。即使两个人同时说话,AI也会利用视觉线索提取你正在看的那个人的人声,”她说。 这种视听语音增强利用了唇部动作与语音之间的密切联系。虽然已经存在一些降噪技术,但它们在处理重叠人声或复杂背景声时表现不佳,而该项目旨在克服这一问题。 “只有少数几家大公司生产助听器,而它们在嘈杂环境中的支持有限。我们希望打破这一障碍,帮助更多人,尤其是儿童和老年人,获得负担得起的、AI驱动的听力支持,”Sellathurai说。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →