<p>無線耳塞似乎突然出現。由蘋果的 AirPods 推廣，它們瞬間無處不在——在地鐵上、在雜貨店裏、在坐在你對面的人耳中——直到某個時候，它們成為了幾乎每個人都不假思索就佩戴的東西。</p>
<p>這種受歡迎程度是否使耳塞在人工智能方面優於智能眼鏡？這就是華盛頓大學研究人員開發的 VueBuds 原型背後的賭注，他們在一對標準的索尼無線耳塞中嵌入了一個米粒大小的攝像頭。結果是一個隱藏在顯眼處的視覺 AI 助手：看着一罐食物並詢問其卡路里含量，舉起一個不熟悉的廚房工具並在大約一秒鐘內得到答案。</p>
<p>該系統在設備上處理圖像，並通過連接的 AI 模型進行響應——不需要雲端，也不存儲圖像。</p>
<p>華盛頓大學團隊相信，他們是首個將攝像頭直接嵌入商業無線耳塞的團隊。</p>
<p>耳塞不會記住任何東西，但你周圍的人可能不知道這一點。這種緊張關係正是華盛頓大學團隊所構建的核心，並提出了一個研究人員認真對待的問題：當攝像頭嵌入到人們不認為是攝像頭的物體中時，社會規範是什麼？</p>
<p>團隊的答案是大力減少數據收集。圖像被處理並丟棄；沒有任何東西被保存。但該系統沒有向旁觀者發出任何外部信號，表明存在攝像頭，研究人員承認這是一個尚未解決的挑戰。</p>
<p>為了讓這樣的技術贏得信任，首席研究員、華盛頓大學計算機科學與工程保羅·G·艾倫學院的博士生 Maruchi Kim 認為，隱私不能是事後考慮的事情。</p>
<p>“我們不支持保存圖像，” Kim 説。“這主要是為了在移動中實現人與 AI 之間的互動，特別是在免提場景中。”</p>
<p>團隊的另一個核心論點是關於形態因素——這對 Meta 構成了尖鋭的挑戰，Meta 花費了數年和數億美元試圖將攝像頭眼鏡變成主流產品。</p>
<p>華盛頓大學團隊的立場是，智能眼鏡永遠無法完全擺脱其社會包袱：Google Glass 的記憶、被監視的不適感、佩戴者選擇參與大多數人未參與的事物的明顯信號。耳塞沒有這些歷史負擔。</p>
<p>“從一開始，我們就不想與此相關聯，” Kim 説。</p>
<p>將攝像頭放入耳塞需要先解決一個電源問題。攝像頭消耗的能量遠遠超過麥克風，因此團隊選擇了一種低功耗傳感器，每秒捕捉大約一幀黑白圖像——在視頻標準下速度較慢，但對於研究人員設想的問答式互動來説足夠快。</p>
<p>攝像頭向外傾斜五到十度，提供 98 到 108 度的視野，來自兩個耳塞的圖像在處理前被拼接成一個單一的畫面，將響應時間縮短到約一秒。</p>
<p>應用範圍從實用到重要。該系統可以讀取食品包裝上的文本、識別物體，並翻譯書面韓文。但對於視力低下或白內障的人來説，影響更為深遠。</p>
<p>團隊收到了十多封來自視覺障礙人士的電子郵件，描述他們將如何使用它：理解面部表情、閲讀書籍、觀看電視——現有的 AI 工具無法輕鬆支持這些任務，尤其是在免提、環境友好的方式下。</p>
<p>Kim 還看到了另一個在勞動力中被忽視的羣體。電工、管道工和工業環境中的工人往往無法在任務中途暫停以拿出手機——管道配件卡在位置上，活電線需要雙手操作。</p>
<p>對於這些工人來説，一個無需觸摸屏幕的語音查詢視覺助手是獲得 AI 訪問權限與完全沒有訪問權限之間的區別。</p>
<p>“有很多藍領工作，這些人無法真正利用最近 AI 進步的好處，” Kim 説。“他們不能隨便拿出手機拍照。”</p>
<p>免提框架的擴展範圍很廣：外科醫生、廚師、任何曾試圖在濕手狀態下跟隨食譜的人。</p>
<p>該系統仍處於實驗階段，尚未上市。項目的高級研究員、艾倫學院教授 Shyam Gollakota 表示，科技公司對此的興趣非常大，配備攝像頭的耳塞可能在幾年內面向消費者。</p>
<p>在成本方面，Gollakota 持樂觀態度。他表示，攝像頭傳感器本身的組件成本可能低於一美元——這意味着在大型消費電子製造商的規模下，價格溢價可能相對較小。</p>
<p>Gollakota 提到的 10 美元數字是指在較小生產量下的更保守估計。</p>
<p>“我們在大學所做的就是展示你可以解決技術問題，” Gollakota 説。“然後我們為這些公司和其他人展示一條路徑，表明這實際上是可能的。”</p>

<p>華盛頓大學的研究人員開發了 VueBuds，這是一款帶有嵌入式攝像頭的無線耳塞，旨在實現免提的人工智能互動。與智能眼鏡不同，這款耳塞通過在設備上處理圖像而不保存圖像，從而最大程度地減少隱私問題。這項技術旨在幫助用户完成各種任務，特別是對視覺障礙人士和藍領工人有益。儘管仍處於實驗階段，但來自科技公司的興趣表明，配備攝像頭的耳塞可能在幾年內就能面向消費者</p>

<p>Wireless earbuds seemingly sprang out of nowhere. Popularized by Apple’s AirPods, they were suddenly everywhere — on the subway, in the grocery store, in the ears of the person sitting across from you — until somewhere along the way, they became the thing nearly everyone wears without a second thought.</p>
<div class="lb-trans"><p>無線耳塞似乎突然出現。由蘋果的 AirPods 推廣，它們瞬間無處不在——在地鐵上、在雜貨店裏、在坐在你對面的人耳中——直到某個時候，它們成為了幾乎每個人都不假思索就佩戴的東西。</p>
</div><p>Could that popularity make earbuds better than smart glasses for AI? That is the bet behind VueBuds, a prototype developed by University of Washington researchers who have embedded a rice-grain-sized camera into each earbud of a standard pair of Sony wireless earbuds. The result is a visual AI assistant hiding in plain sight: look at a can of food and ask how many calories it has, hold up an unfamiliar kitchen tool and get an answer in about a second.</p>
<div class="lb-trans"><p>這種受歡迎程度是否使耳塞在人工智能方面優於智能眼鏡？這就是華盛頓大學研究人員開發的 VueBuds 原型背後的賭注，他們在一對標準的索尼無線耳塞中嵌入了一個米粒大小的攝像頭。結果是一個隱藏在顯眼處的視覺 AI 助手：看着一罐食物並詢問其卡路里含量，舉起一個不熟悉的廚房工具並在大約一秒鐘內得到答案。</p>
</div><p>The system processes images on-device and responds through a connected AI model — no cloud required, no images stored.</p>
<div class="lb-trans"><p>該系統在設備上處理圖像，並通過連接的 AI 模型進行響應——不需要雲端，也不存儲圖像。</p>
</div><p>The UW team believes it is the first to embed cameras directly in commercial wireless earbuds.</p>
<div class="lb-trans"><p>華盛頓大學團隊相信，他們是首個將攝像頭直接嵌入商業無線耳塞的團隊。</p>
</div><p>The earbuds don’t remember anything, but the people around you might not know that. That tension sits at the heart of what the UW team built and raises a question the researchers take seriously: what are the social norms when cameras are embedded in objects nobody thinks of as cameras?</p>
<div class="lb-trans"><p>耳塞不會記住任何東西，但你周圍的人可能不知道這一點。這種緊張關係正是華盛頓大學團隊所構建的核心，並提出了一個研究人員認真對待的問題：當攝像頭嵌入到人們不認為是攝像頭的物體中時，社會規範是什麼？</p>
</div><p>The team’s answer is to lean hard on minimizing data collection. Images are processed and discarded; nothing is saved. But the system offers no outward signal to bystanders that a camera is present, which the researchers acknowledge is an open challenge rather than a solved one.</p>
<div class="lb-trans"><p>團隊的答案是大力減少數據收集。圖像被處理並丟棄；沒有任何東西被保存。但該系統沒有向旁觀者發出任何外部信號，表明存在攝像頭，研究人員承認這是一個尚未解決的挑戰。</p>
</div><p>For technology like this to earn trust, Maruchi Kim, lead researcher and UW doctoral student in the Paul G. Allen School of Computer Science &amp; Engineering, argued that privacy can’t be an afterthought.</p>
<div class="lb-trans"><p>為了讓這樣的技術贏得信任，首席研究員、華盛頓大學計算機科學與工程保羅·G·艾倫學院的博士生 Maruchi Kim 認為，隱私不能是事後考慮的事情。</p>
</div><p>“We don’t support saving the images,” Kim said. “It’s mainly just to bridge the interaction between a person and having access to AI on the go, especially in hands-free scenarios.”</p>
<div class="lb-trans"><p>“我們不支持保存圖像，” Kim 説。“這主要是為了在移動中實現人與 AI 之間的互動，特別是在免提場景中。”</p>
</div><p>The team’s other central argument is about form factor — and it’s a pointed challenge to Meta, which has spent years and hundreds of millions of dollars trying to make camera glasses a mainstream product.</p>
<div class="lb-trans"><p>團隊的另一個核心論點是關於形態因素——這對 Meta 構成了尖鋭的挑戰，Meta 花費了數年和數億美元試圖將攝像頭眼鏡變成主流產品。</p>
</div><p>The UW team’s position is that smart glasses will never fully shed their social baggage: the memory of Google Glass, the discomfort of being watched, the visible signal that the wearer has opted into something most people haven’t. Earbuds carry none of that history.</p>
<div class="lb-trans"><p>華盛頓大學團隊的立場是，智能眼鏡永遠無法完全擺脱其社會包袱：Google Glass 的記憶、被監視的不適感、佩戴者選擇參與大多數人未參與的事物的明顯信號。耳塞沒有這些歷史負擔。</p>
</div><p>“From the get-go, we didn’t want to be associated with that,” Kim said.</p>
<div class="lb-trans"><p>“從一開始，我們就不想與此相關聯，” Kim 説。</p>
</div><p>Getting cameras into earbuds required solving a power problem first. Cameras consume far more energy than microphones, so the team opted for a low-power sensor that captures roughly one frame per second in black and white — slow by video standards, but fast enough for the question-and-answer style of interaction the researchers had in mind.</p>
<div class="lb-trans"><p>將攝像頭放入耳塞需要先解決一個電源問題。攝像頭消耗的能量遠遠超過麥克風，因此團隊選擇了一種低功耗傳感器，每秒捕捉大約一幀黑白圖像——在視頻標準下速度較慢，但對於研究人員設想的問答式互動來説足夠快。</p>
</div><p>The cameras are angled five to 10 degrees outward, providing a 98- to 108-degree field of view, and images from both earbuds are stitched into a single frame before processing, cutting response time to about one second.</p>
<div class="lb-trans"><p>攝像頭向外傾斜五到十度，提供 98 到 108 度的視野，來自兩個耳塞的圖像在處理前被拼接成一個單一的畫面，將響應時間縮短到約一秒。</p>
</div><p>The applications range from the practical to the significant. The system can read text on food packaging, identify objects, and translate written Korean. But for people with low vision or cataracts, the implications run deeper.</p>
<div class="lb-trans"><p>應用範圍從實用到重要。該系統可以讀取食品包裝上的文本、識別物體，並翻譯書面韓文。但對於視力低下或白內障的人來説，影響更為深遠。</p>
</div><p>The team received more than a dozen emails from people with visual impairments describing what they’d use it for: understanding facial expressions, reading books, watching television — tasks that existing AI tools can’t easily support in a hands-free, ambient way.</p>
<div class="lb-trans"><p>團隊收到了十多封來自視覺障礙人士的電子郵件，描述他們將如何使用它：理解面部表情、閲讀書籍、觀看電視——現有的 AI 工具無法輕鬆支持這些任務，尤其是在免提、環境友好的方式下。</p>
</div><p>Kim sees another underserved group in the workforce. Electricians, plumbers, and workers in industrial settings often can’t pause to pull out a phone mid-task — a pipe fitting wedged in place, a live wire that needs both hands.</p>
<div class="lb-trans"><p>Kim 還看到了另一個在勞動力中被忽視的羣體。電工、管道工和工業環境中的工人往往無法在任務中途暫停以拿出手機——管道配件卡在位置上，活電線需要雙手操作。</p>
</div><p>For those workers, a voice-queryable visual assistant that doesn’t require touching a screen is the difference between having access to AI and not having it at all.</p>
<div class="lb-trans"><p>對於這些工人來説，一個無需觸摸屏幕的語音查詢視覺助手是獲得 AI 訪問權限與完全沒有訪問權限之間的區別。</p>
</div><p>“There’s a lot of blue collar work where those people aren’t really able to harness the benefits of recent AI advances,” Kim said. “They can’t just whip out their phones and take a photo.”</p>
<div class="lb-trans"><p>“有很多藍領工作，這些人無法真正利用最近 AI 進步的好處，” Kim 説。“他們不能隨便拿出手機拍照。”</p>
</div><p>The hands-free framing extends broadly: surgeons, cooks, anyone who has ever tried to follow a recipe with wet hands.</p>
<div class="lb-trans"><p>免提框架的擴展範圍很廣：外科醫生、廚師、任何曾試圖在濕手狀態下跟隨食譜的人。</p>
</div><p>The system remains experimental and isn’t available for purchase. Shyam Gollakota, a professor in the Allen School and the project’s senior researcher, said interest from technology companies has been significant, and camera-equipped earbuds could reach consumers within a few years.</p>
<div class="lb-trans"><p>該系統仍處於實驗階段，尚未上市。項目的高級研究員、艾倫學院教授 Shyam Gollakota 表示，科技公司對此的興趣非常大，配備攝像頭的耳塞可能在幾年內面向消費者。</p>
</div><p>On cost, Gollakota is optimistic. The camera sensor itself could run under a dollar at the component level, he said — meaning that at the scale of a major consumer electronics manufacturer, the price premium over standard earbuds would likely be modest.</p>
<div class="lb-trans"><p>在成本方面，Gollakota 持樂觀態度。他表示，攝像頭傳感器本身的組件成本可能低於一美元——這意味着在大型消費電子製造商的規模下，價格溢價可能相對較小。</p>
</div><p>The $10 figure Gollakota cited refers to a more conservative estimate at smaller production volumes.</p>
<div class="lb-trans"><p>Gollakota 提到的 10 美元數字是指在較小生產量下的更保守估計。</p>
</div><p>“What we do at the universities is show that you can solve technical problems,” Gollakota said. “Then we show a path for these companies and other people to say that this is actually possible.”</p>
<div class="lb-trans"><p>“我們在大學所做的就是展示你可以解決技術問題，” Gollakota 説。“然後我們為這些公司和其他人展示一條路徑，表明這實際上是可能的。”</p>
</div>

拋開智能眼鏡不談：華盛頓大學的研究人員將微型攝像頭嵌入耳機中，實現免提人工智能