Fekete AI-szemüveg sötét stúdiótalapzaton, kékeszöld és narancssárga kontúrfénnyel

Hogyan működnek az AI-szemüvegek? Kijelzők, kamerák és AI-asszisztensek közérthetően

Az architektúra egy bekezdésben

Rendszerszinten szinte minden AI-szemüveg ugyanúgy működik. A kereten elhelyezett érzékelők – mikrofonok és gyakran egy kamera – rögzítik, amit mondasz és látsz. A szárban lévő kis processzor kezeli az ébresztőszavakat, a hangot és a háttérfeladatokat. A nehéz szellemi munka – a beszédfelismerés, a fordítás és a nyelvi modell – többnyire a felhőben fut, amelyet a párosított okostelefonodon vagy közvetlen kapcsolaton keresztül ér el a szemüveg. Az eredmények hangként érkeznek vissza a füled közelében lévő apró hangszórókon át, vagy a lencsébe vetített képként. A szemüveg egy érzékelő- és kijelzőterminál; az agy nagyrészt máshol van.

A kijelző: hogyan jut el a kép a szemedig

A kategória legnehezebb mérnöki feladata, hogy a kijelző láthatatlan maradjon, amíg nincs rá szükség. Három megközelítés uralkodik.

Hullámvezetős kijelzők

A szárban lévő mikroszkopikus projektor a lencsében található vékony, átlátszó lemez szélébe vetíti a képet. A fény a lemezen belül verődik tovább, majd a belé maratott struktúrák a pupillád felé terelik ki a képet. Az eredmény: szöveg vagy grafika, amely mintha a térben lebegne, egy kívülről hétköznapinak tűnő lencsén keresztül. Az Even Realities G2 ezt a megoldást alkalmazza zöld szöveges kijelzőjéhez, és ugyanígy működik a Rokid AI Glasses Enterprise kijelzője is. A hullámvezetők a fényerőt és a színgazdagságot áldozzák fel a szinte láthatatlan kialakításért, ezért jelenít meg közülük oly sok éles, monokróm szöveget.

Birdbath optika

Egy mikro-OLED panel lefelé világít a lencsében elhelyezett ívelt, félig áteresztő tükörre, amely a szemedbe veri vissza a képet. A birdbath optika fényes, teljes színű, nagy felbontású képet ad, ezért használják az olyan virtuális kijelzős szemüvegek, mint az XREAL One Pro, ám az optikának fizikai mélységre van szüksége, ezért látványosan vaskosabbak a kijelzős szemüvegek, mint az asszisztens típusú AI-szemüvegek.

Kijelző egyáltalán nincs

A kategória jelentős része teljesen lemond a kijelzőről, és helyette beszél hozzád. A csak hangalapú AI-szemüvegek könnyebbek, olcsóbbak és egy töltéssel tovább bírják, a tisztán asszisztensi élményhez pedig a füledbe szóló hang a legtöbb igényt lefedi.

A kamera: az AI szeme

Ha van kamera, két gazdát szolgál. Neked a saját nézőpontodból készít fotókat és videókat. Az AI-nak elemzendő képkockákat szolgáltat: hogy azonosítson egy tárgyat, elolvasson egy címkét, leírjon egy jelenetet, lefordítson egy táblát.

Két gyakorlati tényt érdemes ismerni. Először: a vizuális AI-funkciók általában egy pillanatot fényképeznek le, nem folyamatosan streamelnek; a folyamatos videóelemzés túl gyorsan meríti az akkumulátort a mindennapi használathoz. Másodszor: a felvételt jellemzően egy LED jelzi, és a munkahelyek vagy egyes helyszínek korlátozhatják a kamerahasználatot – ez az egyik oka annak, hogy léteznek kamera nélküli modellek, például az Even Realities G2, és hogy ezek jól fogynak a professzionális környezetekben.

Mikrofonok és hangszórók: az elsődleges kezelőfelület

Az AI-szemüvegek fő kezelőfelülete a hang, nem a kijelző. A keretekben több mikrofon található, nyalábformálásra (beamforming) elrendezve: a mikrofonok jeleinek összevetésével a szemüveg el tudja különíteni a hangodat – vagy annak a hangját, akivel szemben állsz – a környezeti zajtól. Ettől működik az élő fordítás egy zsúfolt teremben is.

A kimenetet a szárakban lévő kis, nyitott kialakítású hangszórók biztosítják, amelyek a hallójáratod felé irányítják a hangot. Normál hangerőn a közelben állók alig hallják őket, a füled pedig nyitva marad a külvilág felé – ez a fülhallgatókhoz képest alulértékelt biztonsági és kényelmi előny.

Hol fut valójában az AI?

A szemüveg mögötti asszisztens egy nagy nyelvi modell, és a „nagy” szó szerint értendő: a legkorszerűbb modellek nem futtathatók egy szemüvegben. A munkaterhelés három részre oszlik.

A szemüvegen: ébresztőszó-felismerés, rögzítés, hangfeldolgozás, és egyre gyakrabban kis, eszközön futó modellek a gyors feladatokhoz.

A telefonodon: a kísérőalkalmazás kezeli a kapcsolatot és a beállításokat, és gyakran továbbítja az adatokat a szemüveg és a felhő között.

A felhőben: beszédfelismerés, fordítás és maga a nyelvi modell – vagyis azok a funkciók, amelyek intelligensnek hatnak.

Ez a felosztás magyarázza a valós működést. Erős kapcsolat mellett a válaszok nagyjából egy másodperc alatt megérkeznek; térerő nélküli helyen a legokosabb funkciók romlanak vagy leállnak. Ez magyarázza azt is, miért fejlődnek az AI-szemüvegek a vásárlás után: ha a felhőalapú modell jobb lesz, a már meglévő szemüveged is jobb lesz.

Vállalatok számára ez a felosztás jogos kérdést vet fel: hová kerül a hang- és képanyag? A fogyasztói termékek a gyártó felhőjébe küldik. A vállalati platformok másként válaszolnak erre, és ez valódi megkülönböztető tényező: a Rokid AI Glasses Enterprise támogatja saját AI-modellek csatlakoztatását, beleértve a saját üzemeltetésűeket is, így egy vállalat a saját infrastruktúráján tarthatja az érzékeny adatokat.

Akkumulátor és energiagazdálkodás

Az akkumulátorok a szárakban rejtőznek, és kapacitásuk kicsi, mert a súly az orrodon nyugszik. A gyártók agresszív mérnöki megoldásokkal hidalják át a kis akkumulátorok és az energiaéhes funkciók közötti szakadékot: a kijelzők csak egy kis szövegterületet jelenítenek meg, a kamerák alszanak, amíg nem hívják őket, a rádiók pedig a telefonra támaszkodnak. A gyakorlatban a jelenlegi generációnál egy napnyi mérsékelt asszisztenshasználat elérhető, több órányi folyamatos fordítás vagy felvétel viszont nem. Az intenzív professzionális felhasználóknak ugyanúgy számolniuk kell a töltőtokokkal és pótakkumulátoros kiegészítőkkel, ahogyan a telefontöltőkkel is számolnak.

Kapcsolódás: a láthatatlan összetevő

A legtöbb AI-szemüveg Bluetooth-on keresztül párosul egy okostelefonnal, az internetet pedig a telefon biztosítja. Az olyan kijelzős szemüvegek, mint az XREAL termékcsalád tagjai, ehelyett USB-C-kábelt használnak, amely a videojelet és az áramot is továbbítja – magában a szemüvegben egyáltalán nincs akkumulátor. A strapabíró ipari eszközök gyakran önálló Androidot futtatnak saját Wi-Fi-vel, mert egy technikus nem függhet a személyes telefonjától. Bármely szemüveg értékelésekor már az elején tisztázd, mihez kell csatlakoznia, mert ez a függőség minden műszaki adatnál jobban meghatározza a mindennapi használatot.

Összerakva: mi történik, amikor fordítást kérsz

Egy konkrét példa összeköti a darabokat. Megérinted a szárat, és egy németül beszélő kollégával nézel szembe. A mikrofontömb elkülöníti a hangját, és tömörített hangot streamel a telefonodon keresztül a felhőbe, ahol a beszédfelismerés szöveggé alakítja, egy fordítómodell pedig angolra fordítja a szöveget. Az angol mondat visszaérkezik a szemüvegre, a hullámvezető pedig feliratként jeleníti meg a látóvonalad alatt lebegve, nagyjából egy másodperccel a beszélő után. A cikkben bemutatott minden összetevő hozzájárult ehhez a mondathoz, te mégis csak a szöveget vetted észre.

João Noronha

Írta

João Noronha

XR és immerzív tartalom specialista a VR Expertnél

João Noronha XR és immerzív tartalom specialista a VR Expertnél, akit erősen érdekelnek az új technológiák és azok valós alkalmazásai. Arra összpontosít, hogy a VR, AR, AI szemüvegek és immerzív technológiák összetett fejlesztéseit érthető, gyakorlatias tartalommá alakítsa a vállalatok és az XR iparág iránt érdeklődő szakemberek számára.

Gyakori kérdések

Ez a cikk

A legtöbbnek igen. A telefon biztosítja az internetkapcsolatot, és rajta fut a kísérőalkalmazás. Néhány vállalati és ipari eszköz önállóan, saját Wi-Fi-vel működik.

Az alapfunkciók és néhány eszközön futó funkció offline is működik, de a kiemelt képességekhez – a fordításhoz és a teljes asszisztenshez – kapcsolat szükséges a felhőalapú AI-hoz.

A hullámvezetős optika egy apró projektor fényét a lencsén keresztül a szemed felé vezeti, így a lencse átlátszó marad, kivéve ott, ahol a kép megjelenik.

Többnyire nem. Kisebb feladatok a kereten futnak

Mert az akkumulátoroknak olyan szárakba kell beférniük, amelyek elég könnyűek ahhoz, hogy egész nap viselni lehessen őket. A hatékony kijelzők és az alvó érzékelők egy munkanapnyi mérsékelt használatig nyújtják az üzemidőt. A lényeg: az AI-szemüvegek a könyörtelen mérnöki kompromisszumok diadalát jelentik: épp elegendő optika, érzékelés és szilícium az arcodon, az intelligencia pedig máshonnan érkezik streamelve. Ennek megfelelően ítéld meg őket. Az adatlap a terminálról árul el információkat