面向实时语音处理与任务执行的多智能体AI眼镜系统
声音
2026-01-13 v1 人工智能
人机交互
摘要
本文提出一种AI眼镜系统，集成了实时语音处理、人工智能（AI）智能体和跨网络流媒体功能。该系统采用双智能体架构，其中Agent 01处理自动语音识别（ASR），Agent 02通过本地大语言模型（LLM）、模型上下文协议（MCP）工具和检索增强生成（RAG）进行AI处理。系统支持实时RTSP流式传输用于语音和视频数据传输，眼动追踪数据收集，以及通过RabbitMQ消息实现远程任务执行。实现表明，成功地实现了多语言语音命令处理和跨平台任务执行能力。
引用
@article{arxiv.2601.06235,
title = {An Intelligent AI glasses System with Multi-Agent Architecture for Real-Time Voice Processing and Task Execution},
author = {Sheng-Kai Chen and Jyh-Horng Wu and Ching-Yao Lin and Yen-Ting Lin},
journal= {arXiv preprint arXiv:2601.06235},
year = {2026}
}
备注
Published in NCS 2025 (Paper No. N0180)