在智能硬件快速发展的今天，嘈杂环境下的语音采集问题已成为制约用户体验的关键瓶颈。传统降噪技术主要依赖单模态信号处理（如麦克风阵列或数字信号处理算法），但在面对突发性噪音、多声源混叠以及动态场景时，其性能往往难以满足需求。为解决这一难题，本次演讲将重点介绍基于多模态融合的降噪技术体系。该技术通过整合麦克风阵列、摄像头视觉分析以及其他传感器数据，结合深度学习模型，实现了对复杂场景下目标声源的精准提取和背景噪音的有效抑制。

目前，这项技术已成功应用于多种智能硬件产品中，包括大屏一体机、人形机器人、智能音箱等。通过硬件与软件的深度协同，多模态降噪技术不仅显著提升了设备在嘈杂环境中的语音识别能力，还为智能硬件的交互体验带来了质的飞跃。本次演讲将从技术原理、应用场景及未来发展方向等方面，全面解析多模态降噪技术如何应用于下一代智能硬件中。

演讲提纲：

1. 多模态简介
2. 多模态降噪技术介绍
   • 单模态降噪介绍
   • 单模态降噪的优缺点
   • 多模态降噪介绍
3. 多模态降噪技术应用实践
4. 未来的工作

听众收益

• 了解如何解决嘈杂环境的收音问题
• 了解麦克风阵列降噪的优缺点
• 了解多模态降噪的原理和应用

AI智能眼镜浪潮下，李未可科技基于自研的WAKE-AI多模态大模型平台，融合多模态交互、端云结合架构和轻量化硬件设计，打造了一款重新定义智能硬件的AI眼镜。本演讲将深入探讨李未可AI眼镜的核心WAKE-AI大模型平台，是如何赋能AI智能眼镜实现多场景下的落地应用。通过这些技术突破，李未可打造的AI智能眼镜智能化水平得到了有效的提升，从而实现为用户提供了全天候、高精度的智能交互体验。

演讲提纲：

1. 为什么眼镜会成为AI硬件落地的最佳载体
2. 李未可科技AI眼镜的核心技术与产品特点
3. 自研WAKE-AI大模型如何赋能AI智能眼镜的多场景应用
4. WAKE-AI大模型平台的多智能体系统架构
5. 未来展望：AI 智能眼镜将如何改变生活

听众收益：

• 了解 AI 智能眼镜的技术突破与场景潜力
• 把握未来人机交互趋势与行业变革方向

开年以来，DeepSeek-R1 推理模型将 AI 浪潮推向新的高度，各行各业迅速跟进落地。其中，网易有道作为国内领先的教育科技企业，率先推出深度融合 DeepSeek-R1 推理能力的全新品类——全面屏答疑笔【有道 SpaceOne】。作为国内首款 AI 原生学习硬件，有道 SpaceOne 将 AI 能力与教育场景、知识库优势结合，解锁学科难题深度讲解新方式，以大模型时代智能硬件的全新形态，为用户带来了超越真人老师的答疑辅导体验。

那么，SpaceOne 如何解决答疑辅导这个难度非常大的场景问题呢？在模型能力上，子曰加 DeepSeek 的搭配会有什么不一样的效果？又为什么要以“答疑笔”这样的硬件形态出现呢？这款新形态硬件背后的考量，既浓缩了有道开创智能词典笔品类以来多年的积累与沉淀，也反映了加速迭代的 AI 技术对硬件设计与创新的挑战，蕴含了新的机遇，也提出了新的命题。

本次演讲，将系统性地介绍便携式 AI 学习硬件【词典笔】的底层技术特点、场景应用、技术沿革，以及到新形态【答疑笔】所包含的承上启下的技术思考、突破与发展方向探索。

演讲提纲：

1. 产品设计与硬件落地
   • 选择从“词典笔”到“答疑笔”硬件形态创新的用户洞察
   • AI原生学习硬件中，从技术到产品的一体化设计
2. AI Agent与教育生态的深度融合
   • AI Agent重构教育场景中人、工具、内容和流程的关系
   • 软硬件、知识库和教育场景的深度融合
3. AI学习硬件的关键突破与思考
   • 大模型带来的AI新方向在教育硬件中的结合和落地

听众收益：

• 作为新型AI学习硬件【词典笔】的由来与技术特点拆解
• 大模型技术在便携性型硬件上落地的实践经验分享
• 教育科技企业对未来AI学习硬件的认知与思考