Rokid Glasses AR+AI眼鏡于去年11月發(fā)布，用戶通過戒指的輕觸即可控制提詞翻頁。然而，這種操作方式在實際使用中存在一定的局限性，例如手動操作容易分散用戶的注意力，特別是在重要演講場合，用戶可能因擔心操作失誤而影響演講表現(xiàn)；同時，固定的翻頁節(jié)奏無法根據(jù)演講者的實際語速和節(jié)奏進行靈活調整，導致提詞與演講不同步，影響演講的流暢性。?

基于這些使用痛點，Rokid研發(fā)團隊宣布近日提交了一份 “一種基于智能算法的提詞器功能” 的專利，可以根據(jù)演講者的語速和演講節(jié)奏自動匹配文稿。其核心技術在于將演講者的語言表達與文稿滾動實現(xiàn)無縫同步，解決了傳統(tǒng)提詞系統(tǒng)的頑疾。?

Rokid的新專利通過三項核心技術構建了智能提詞系統(tǒng)：

多模態(tài)語音識別引擎系統(tǒng)：采用端到端的深度神經網(wǎng)絡模型，可實時解析演講者的語音內容。其創(chuàng)新之處在于：?

方言兼容性：除普通話外，也支持多種方言，滿足多語言場景需求。這對于來自不同地區(qū)、習慣使用方言演講的用戶來說，極大地提高了提詞器的實用性，不再受限于標準普通話，讓交流更加自然順暢。?

抗干擾能力：在45分貝背景噪音下仍保持98%的識別準確率。即使在較為嘈雜的環(huán)境中，如室外演講、現(xiàn)場有一定背景音的活動等，該系統(tǒng)也能精準識別演講者的語音，確保提詞的準確性，不會因外界干擾而出現(xiàn)錯誤或延遲。?

非線性識別：能精準捕捉重復朗讀、跳躍式朗讀等非常規(guī)表達，如演講者突然回顧前文或跳讀關鍵段落時，系統(tǒng)能智能判斷意圖并調整文稿位置。當演講者根據(jù)現(xiàn)場氛圍和自身思路靈活調整演講順序時，提詞器也能及時跟上，避免出現(xiàn)文稿與演講內容脫節(jié)的情況。?

動態(tài)語速適配算法：該算法構建了 “語速-文本密度” 的動態(tài)映射模型：?

實時語速追蹤：每0.5秒更新一次語速數(shù)據(jù)，覆蓋80-200字/分鐘的寬泛區(qū)間（覆蓋99%的演講場景）。無論演講者語速是快是慢，系統(tǒng)都能迅速感知并做出相應調整，使文稿滾動速度與演講者語速完美匹配，避免出現(xiàn)提詞過快或過慢的問題。?

彈性緩沖機制：當檢測到5秒以上停頓時，系統(tǒng)自動暫停并標記當前位置，恢復時通過上下文語義分析定位正確段落。在演講者進行較長時間停頓，如思考、與觀眾互動后，系統(tǒng)能夠準確記住停頓位置，待演講繼續(xù)時，從正確的地方繼續(xù)提詞，保證演講的連貫性。?

多場景演講匹配算法：多場景匹配算法結合，滿足演講場景的全方位交互需求：?

精準匹配算法：演講者無論是跳詞還是漏字，都能精準地匹配到正在閱讀的語句。即使演講者在緊張狀態(tài)下出現(xiàn)口誤或表達不規(guī)范，系統(tǒng)也能準確理解其想要表達的內容，持續(xù)提供準確的提詞服務。?

模糊匹配算法：演講過程中，演講者脫稿即興發(fā)揮或與觀眾無稿交流時，匹配算法將暫停，不影響演講者的節(jié)奏，當演講者回到演講稿中，匹配算法會立即識別，繼續(xù)精準匹配。這種智能的切換機制，讓演講者在需要時能自由發(fā)揮，又能在回歸文稿時無縫銜接提詞功能，極大地提升了演講的自然度和流暢性。?

Rokid Glasses AR+AI眼鏡的這一創(chuàng)新專利，有望為用戶帶來更加便捷、高效、自然的演講提詞體驗，進一步推動 AR+AI 技術在實際應用場景中的普及和發(fā)展。