Rokid Glasses AR+AI眼鏡自去年11月面世以來，憑借戒指輕觸控制提詞翻頁的創(chuàng)新交互方式吸引了廣泛關(guān)注。然而，隨著用戶深入使用，一些痛點逐漸顯現(xiàn)，如手動操作分散注意力、翻頁節(jié)奏固定僵化以及演講者對提詞器的過度依賴等。
為了解決這些痛點，Rokid研發(fā)團(tuán)隊近日宣布提交了一項名為“一種基于智能算法的提詞器功能”的專利。該專利旨在通過智能算法，根據(jù)演講者的語速和節(jié)奏自動匹配文稿，實現(xiàn)語言表達(dá)與文稿滾動的無縫同步。
傳統(tǒng)提詞器的交互方式主要包括手動觸控、物理遙控器和固定定時滾動三種。這些方式雖然在特定場景下有效，但局限性也日益凸顯。例如，人工交互需要演講者在表達(dá)內(nèi)容與控制設(shè)備間頻繁切換注意力，這不僅消耗精力，還可能因滑動眼鏡等動作被觀眾誤讀為緊張或不自信的肢體語言。而固定節(jié)奏的定時滾動模式雖然解放了雙手，卻往往與演講者的語速脫節(jié)，導(dǎo)致文字滾動與演講內(nèi)容錯位，引發(fā)認(rèn)知混亂。
Rokid的新專利則通過三項核心技術(shù)構(gòu)建了智能提詞系統(tǒng)，首先是多模態(tài)語音識別引擎系統(tǒng)。該系統(tǒng)采用端到端的深度神經(jīng)網(wǎng)絡(luò)模型，能夠?qū)崟r解析演講者的語音內(nèi)容，不僅支持普通話，還兼容多種方言，滿足多語言場景需求。在45分貝背景噪音下，該系統(tǒng)仍能保持98%的識別準(zhǔn)確率。它還能精準(zhǔn)捕捉重復(fù)朗讀、跳躍式朗讀等非常規(guī)表達(dá)，智能判斷演講者的意圖并調(diào)整文稿位置。
其次是動態(tài)語速適配算法。該算法構(gòu)建了“語速-文本密度”的動態(tài)映射模型，能夠?qū)崟r追蹤演講者的語速數(shù)據(jù)，每0.5秒更新一次，覆蓋80-200字/分鐘的寬泛區(qū)間，滿足99%的演講場景需求。同時，它還具備彈性緩沖機(jī)制，當(dāng)檢測到5秒以上停頓時，系統(tǒng)會自動暫停并標(biāo)記當(dāng)前位置，恢復(fù)時通過上下文語義分析定位正確段落。
最后是多場景演講匹配算法。該算法結(jié)合了精準(zhǔn)匹配和模糊匹配兩種模式，滿足演講場景的全方位交互需求。精準(zhǔn)匹配算法能夠確保演講者無論是跳詞還是漏字，都能精準(zhǔn)地匹配到正在閱讀的語句。而模糊匹配算法則適用于演講者脫稿即興發(fā)揮或與觀眾無稿交流時，此時匹配算法會暫停，不影響演講者的節(jié)奏。當(dāng)演講者回到演講稿中時，匹配算法會立即識別并繼續(xù)精準(zhǔn)匹配。
Rokid的新專利不僅解決了傳統(tǒng)提詞器的痛點，還通過智能算法提升了演講的流暢度和觀眾的體驗。未來，隨著該專利技術(shù)的進(jìn)一步推廣和應(yīng)用，相信將為演講者帶來更加便捷、高效的演講體驗。
