如何看待AI赋能音视频产品？

AI赋能音视频入口，产品交互体验将提升。

1.智慧家居时代，音视频的智能化已经有发展

在智慧家居时代，智能电视和智能音箱等设备通过联网实现了显著的功能升级。然而，由于AI能力的不足，这些产品的功能仍有较大的改善空间。

智能音箱:从快速增长到销量瓶颈。2014年，亚马逊首次推出智能音箱Echo，凭借Alexa智能语音助手，实现了联网查询、家居设备连接以及音频播放等功能。此后，中美企业纷纷跟进，中国市场上出现了阿里、小米、百度等知名品牌的智能音箱。目前，智能音箱的主要成熟功能集中在音频播放和联网查询,但在教育、情感陪护等附加值更高的服务方面表现不足,导致产品粘性较低。基于智能音箱技术的语音陪护玩具和幼儿教育产品也面临类似问题。随着市场新鲜感的消退，智能音箱的销量开始下滑。中国智能音箱市场从2017年的170万台迅速增长至2019年的3664万台，但此后增长陷入瓶颈。据洛图科技数据，2022年至2024年，智能音箱销量连续三年大幅下滑，分别下降28%、19.8%和25.6%，2024年销量仅为1570万台。

智能电视:普及背后的用户体验困境。智能电视已广泛普及，但其复杂的操作系统对老年人并不友好，导致这一主要消费群体的使用体验较差。从市场角度看，中国彩电市场销量呈连续下滑态势。据产业在线数据，2024年中国彩电内销出货量为3823万台，相比2019年减少了29%。为解决这一问题，2020年11月，国务院办公厅印发了《关于切实解决老年人运用智能技术困难实施方案的通知》，明确要求推动智能电视等智能终端产品的适老化改造，使其具备大屏幕、大字体、大音量和操作简单等特点。2024年，中国电子视像行业协会发布了智能电视适老化设计技术要求，目前大部分在售电视产品已支持适老模式。

智能音箱、智能电视面临的产品瓶颈都有AIGC技术的发展突破

2.AIGC+智能音箱，看似简单，但体验有待改善

AIGC展现出的语义理解能力，让大家看到了大型语言模型与智能音箱结合的巨大潜力，为未来智能语音助手的发展提供了新的思路。部分技术能力强的开发者自发地将GPT模型接入智能音箱产品。例如，2023年，OpenTechLabs将ChatGPT技术接入亚马逊智能音箱Alexa。开发者利用亚马逊的AlexaSkillsKit(ASK)平台，结合ChatGPT的API,实现了语音指令的接收、处理和响应。用户可以通过语音与Alexa进行交互，Alexa将指令发送到ChatGPT模型，模型生成回答后再通过语音合成技术返回给用户。这种集成方式不仅提升了Alexa对复杂问题的理解能力，还支持多轮对话和个性化交互。

AIGC的处理能力存在延迟性，与正常人交互相比，语言交互时会有明显延迟。在国内，也有用户尝试将智能音箱接入国内的大数据模型，但目前市场上商业化智能音箱的用户体验并没有明显提升。这表明从实验到大规模推广之间仍有一些难点需要解决。2025年2月9日，百度宣布小度融合文心一言打造的人工智能模型“小度灵机”将应用于小度全系产品。

在全球智能音箱市场中，亚马逊是海外的主要龙头，而中国则有阿里、小米、百度等科技公司占据重要地位。智能音箱的供应链主要集中在包括国光电器、漫步者等在内的中国企业。

3.AIGC+智能大屏:改善语音操控体验

智能大屏涌盖了智能电视、闺蜜机、健身智能屏、交互会议平板等多种设备，其中智能电视最为普及，已成为智慧家居时代的重要组成部分。大屏联网的设想最早可追溯至1999年微软的维纳斯计划，但受限于当时的技术水平，未能广泛推广。到了2012年，随着互联网渗透率的提高以及小屏设备观看OTT内容的普及，智能电视直接观看OTT内容的功能应运而生。这一功能精准地切中了消费者的痛点，使得智能电视的渗透率迅速提升。据华经产业研究院数据显示，2014年中国智能电视的出货量渗透率已达到57%。目前，市场上的电视产品主要以智能电视为主。

然而，智能电视的操作系统较为复杂，虽然年轻人能够较为熟练地操作，但对于老年人来说并不友好。因此，语音控制作为一种被寄予厚望的控制方式，被期望通过自然语言交互来简化智能电视的操作。但目前的语音控制技术虽然能够识别语音指令，却缺乏类似AIGC那样强大的语义理解能力，这导致了语音控制功能的渗透率较低。

作为普及度极高的音视频入口，智能电视接入AI技术具有较高的便利性，相关企业的反应速度也较快。2024年，海信自研了星海大模型;长虹自研了云帆大模型;小米电视接入了百度的文心一言大模型。2025年春节后，随着DeepSeek的火爆，相关企业加快了AI技术的布局。2025年2月11日，海信电视的星海大模型正式融合DeepSeek。接入DeepSeek后，海信电视用户无需进行复杂的操作步骤，只需通过海信电视遥控器上的小聚AI键或直接语音唤醒DeepSeek,即可在智能体对话页面中通过语音表达问题并获得体验。随后，长虹宜布接入DeepSeek大模型，以增强智能推荐、语音交互、智能家居集成以及跨平台内容聚合等功能;创维电视也宣布即将接入DeepSeek大模型;TCL的海外彩电产品则计划接入GoogleAl大模型Gemini，以实现更智能的画质优化和语音交互功能。

4.AI+显著提升网络摄像头使用体验

随着摄像头与互联网技术的深度融合，消费级网络摄像头得到了广泛应用，其主要应用场景包括家庭安防监控、老人和婴幼儿监测、宠物监控等。为了更好地满足这些需求，图像识别等AI技术被不断引入到网络摄像头产品中，具体应用如下:

人脸识别:通过卷积神经网络(CNN)等深度学习技术实现面部识别功能，可用于家庭安防或特定人员的识别，甚至能够识别宠物的面部特征。

行为分析:利用深度学习模型(如CNN)对图像中的动态行为进行分析，例如检测异常行为、跌倒监测等，为家庭安全提供保障。

哭声检测与声音识别:借助音频分析技术检测婴儿的哭声或其他特定声音，并及时通知用户以便用户能够迅速响应。

宠物检测:运用目标检测算法识别宠物的行为和位置,部分摄像头支持区分宠物和人类的运动,为宠物监控提供更精准的解决方案。

烟火检测:通过AI技术实现烟火检测功能，能够有效预防潜在的安全风险。

由于这些功能的不断丰富，根据洛图科技的数据，2024年，中国消费级监控摄像头市场规模达到5349万套，其销已经超过冰箱、洗衣机、彩电等传统家电的年销量。

在中国消费级网络摄像头市场中，主要品牌包括小米、萤石网络、乔安、360等。在海外市场,中国企业也表现出色，例如安克创新。欧美消费者对动物的喜爱程度较高，无论是野生动物还是宠物。针对这一需求，一方面开发了用于野生动物监测的户外摄像头;另一方面，针对宠物监测，出现了如enabot智能伴宠机器人这样的创新产品。此类产品，能够自主在家中自由穿梭监测宠物,通过AI算法从一天的视频中精选宠物的精彩瞬间，并生成短视频供用户浏览，此外针对猫还有激光逗宠物的功能。

5.AI耳机助力会议办公，豆包发力生活助手应用

AI赋能耳机发展。AI耳机将人工智能技术与传统耳机功能相结合,在播放音频的功能基础上，实现了语音识别、语音助手、智能翻译、降噪优化等多种智能化功能。目前参与品牌主要包括科大讯飞、字节跳动等互联网科技公司，华为、小米等手机厂商，飞利浦等音频品牌。同时，AI耳机在AI应用上存在两个主要方向，如讯飞耳机的办公应用或豆包的生活助手应用。科大讯飞:iFLYBUDS系列耳机主打办公会议场景，利用AI实现转文字、内容分析及同传译等功能。1)讯飞会议耳机采用先进的降噪算法和语音识别技术，在通话过程中对电话内容录音转写，转写准确率高达98%;2)IFLYBUDS手机APP接入viaimAI大模型，可依托录音转写内容一键生成摘要总结、待办事项，并可对转写内容进行AI问答;3)可对32种语言进行同传翻译。字节跳动:字节跳动旗下豆包于2024年10月10日发布首款AI耳机--0laFriend。其主打AI助手功能,接入豆包大模型,用户可通过语音指令唤醒豆包进行对话,实现信息査询、旅游出行、英语学习及情感交流等功能。