Apple Watch新版Siri AI测试:多场景完胜旧版,有望带来巨大改变!

Apple Watch语音助手新方案:用FaceTime实现低延迟AI交互 语音助手本质是实时音频流处理系统,其核心原理在于端到端低延迟音频采集、传输、识别、生成与播放的闭环链路。技术价值体现在突破操作系统沙盒限制、复用高优先级系统音频栈、保障后台持续录音与播放能力。典型应用场景包括运动中免触交互、通勤场景快速问答、无障碍听觉反馈等。在watchOS生态中,FaceTime因其系统级音频调度权和硬件级回声消除(AEC)能力,成为目前唯一可行的实时语音管道;结合边缘网关与云端ASR-LLM-TTS协同,可将端到端延迟压至850ms以内,显著优于传统HTTP轮询或SiriKit方案。 阅读详情

【Siri测试背景】

“这是我在网上找到的信息”这句话终于可以被淘汰了。测试者在Apple Watch上用现实中的几个问题分别测试了苹果Siri语音助手的旧版本和新版本,打算看看它们的表现如何。最终,测试者表示会选择新版本。

随着本周WatchOS 27公开测试版的推出,测试者想在最重要的使用场景——Apple Watch上测试一下Siri AI。苹果的这款数字助理早就需要升级了,而它的缺点在手腕上的这块小屏幕上表现得最为明显。以前,旧版Siri在Apple Watch上所能做的只是返回网页搜索结果,让测试者在这块根本不适合浏览网页的小屏幕上等待页面加载。

【测试准备】

首先,测试者在iPhone上下载了iOS 27公开测试版(虽然它相当稳定,但测试者仍然不建议在主力设备上使用),然后通过Watch应用程序在Apple Watch Ultra 3上安装了WatchOS 27测试版。之后,测试者确保在iPhone设置中激活了Siri AI,在手表上它默认也是新版本。测试者让Series 11继续运行搭载旧版Siri的最新版WatchOS 26。要记住,Siri AI和WatchOS 27都还处于测试阶段,远不是今年秋季发布的最终版本。

【测试过程】

1. 渡轮时刻表

测试者从一个旧版Siri之前让其失望的问题开始测试:“下一班从瓦列霍到旧金山的渡轮什么时候出发?”旧版Siri回答“这是我在网上找到的信息”,这个回答让测试者恼火,因为急着赶渡轮时,在小屏幕上等待网页加载毫无帮助。而Siri AI则回答“下一班从瓦列霍前往旧金山的渡轮下午4:10出发”,所以此轮获胜者是Siri AI。

2. 厨房帮手

接下来,测试者尝试了另一种场景,在这种情况下不想去拿手机,以免手机被正在烹饪的东西弄脏。测试者问“制作酪乳需要哪些原料”(自从开始用Ninja Creami制作冷冻酸奶以来,这成了一个相当常见的问题)。旧版Siri回答“这是我在网上找到的信息”,Siri AI回答“要制作自制酪乳替代品,你需要牛奶和一种酸性物质。标准比例是每杯牛奶加1汤匙酸性物质”。这个笼统的“酸性物质”建议有点模糊(还有点让人担心),但幸运的是,测试者做过很多次酪乳,知道这里指的是柠檬汁或醋,而不是什么暗网里的危险酸性物质,测试者也可以追问一个后续问题来弄清楚(旧版Siri可处理不了这种追问),所以此轮获胜者是Siri AI。

3. 世界杯

最后一项测试,测试者问了一个今年夏天经常查询的问题(测试者是在7月13日周一问的):“下一场世界杯比赛什么时候举行,在哪里的体育场进行?”旧版Siri回答“下一场世界杯比赛是法国对阵西班牙,太平洋时间明天中午举行”,它回答了问题的前半部分,但完全忽略了体育场的信息。Siri AI回答“下一场世界杯比赛是法国对阵西班牙,太平洋时间明天中午在达拉斯的AT&T体育场举行”,它甚至还问测试者是否要设置提醒。体育场信息是这个问题的关键部分,因为有些比赛是在酷热天气下进行的,这会影响球队的表现,所以此轮获胜者是Siri AI。

4. 附加测试(视频中未展示)

测试者还问了一个真正好奇的问题:“在英格兰对阵挪威的比赛最后几分钟,埃尔林·哈兰德为什么被换下场?”旧版Siri回答“这是我在网上找到的信息”,Siri AI回答他当时严重疲劳,还受了“死腿伤”,所以教练在世界杯四分之一决赛对阵英格兰的比赛中把他换了下来,所以此轮获胜者是Siri AI。

【最终想法】

这是测试者第一次主动想在Apple Watch上使用Siri,测试者认为它可能会带来巨大的改变。WatchOS 27公开测试版现已推出,预计今年秋季会与苹果的下一批重要产品发布一同正式发布。随着测试版的不断完善,测试者会继续测试Siri AI,但就目前的初步测试结果来看,测试者短期内不会再用回旧版本了。

FaceTime音频管道+本地AI:Apple Watch轻量级语音协作者实现方案 语音助手本质是语音交互系统,其核心在于实时语音识别(ASR)与语义理解(LLM)的低延迟协同。传统方案受限于iOS后台限制、硬件算力与隐私策略,难以在Apple Watch端持续监听并响应。本文聚焦‘Voice Mode’这一自然对话态设计,依托FaceTime认证音频通道获取高保真PCM流,结合Watch端VAD分段与iPhone端Whisper Tiny+Phi-3-mini本地推理,构建端到端离线、合规、低延迟(2.8秒)的语音协作者。适用于销售、客服、远程医疗等高频通话场景,解决‘说出口的话能否被听 阅读详情

相关推荐

用Mac+FaceTime+LoopBack打造Apple Watch语音AI助理

Apple Watch缺乏原生语音AI支持,本质是WatchOS系统级音频权限与大模型Web语音接口的兼容性问题。其底层原理涉及Core Audio虚拟设备路由、FaceTime低延迟音视频隧道机制,以及Safari Web API对getUserMedia等语音能力的沙箱限制。该方案的技术价值在于绕过生态短板,以零越狱、纯官方API的方式构建可落地的端侧语音交互链路,显著提升户外无手机场景下的信息获取效率。典型应用场景包括通勤问答、即时备忘、环境数据查询等轻量语音交互任务,核心依赖macOS音频虚拟化与自

weixin_30326741的博客 347

Apple Watch上Siri AI升级测试:旧版只会搜网页,新版精准又贴心!

旧版Siri还是说“这是我在网上找到的信息”,至少回答挺“一致”。标准比例是每杯牛奶加1汤匙酸”的回答,“酸”的建议有点模糊,但我做过多次知道是柠檬汁或醋,还能追问弄清楚,旧版Siri处理不了追问。Siri AI完整回答“下一场世界杯比赛是法国对阵西班牙,太平洋时间明天中午在达拉斯的AT&T体育场举行”,还问是否要设置提醒,体育场信息很关键,因为有些比赛在酷热天气下进行会影响球队表现。”旧版Siri回复“这是我在网上找到的信息”,在着急赶渡轮时,在小屏幕上等待网页加载根本无济于事,令人恼火。

IT界那些事儿 19

Apple Watch语音AI助理:用FaceTime+LoopBack实现低延迟跨设备交互

语音AI助手本质上是语音识别(ASR)、大语言模型(LLM)推理与语音合成(TTS)三者的协同系统。在资源受限的可穿戴设备上,本地化部署面临算力、内存与系统API限制等核心挑战。因此,工程实践中更可行的路径是将感知端(麦克风/扬声器)与智能端(LLM服务)分离,构建‘边缘采集+云端/近端推理’的混合架构。FaceTime凭借其系统级低延迟音频通道和跨设备稳定性,成为苹果生态内罕见的合规‘数字声管’;LoopBack则通过虚拟音频设备实现精准的音频流路由控制,绕过watchOS对Web Speech API的

298

watchOS 27 升级!Siri AI 领衔,Apple Watch 迈向实用手腕电脑新高度

过去 Apple Watch 主要用于健康和 fitness 追踪及处理通知,Siri AI 让用户能直接在手腕上进行更多计算操作,因手机和手表上使用 Siri 的体验不再割裂。苹果 watchOS 软件工程高级总监 David Clark 表示将 Siri 与手表集成主要目标是确保体验一致,让手表与手机紧密相连并利用个人上下文信息驱动体验,使用户形成这是同一个 Siri AI 的认知。运动量不大的用户还未体验到新的洞察信息,若希望手腕上的 Siri AI 提供健康建议,目前做不到。

IT界那些事儿 37

Apple Watch端侧语音助手:基于FaceTime音频通道的实时AI交互方案

语音助手本质是语音识别(ASR)与自然语言理解(NLU)在终端设备上的协同闭环。其技术实现需兼顾低延迟响应、端侧推理能力与系统权限约束。在资源受限的可穿戴设备如Apple Watch上,传统方案受限于Siri黑盒架构、Shortcuts无音频流、后台录音被禁等硬性限制,导致高延迟、强依赖网络及隐私风险。FaceTime因其系统级通信会话特性,成为当前唯一合法、稳定、低干预的持续音频采集通道。本文围绕端侧ASR模型压缩、实时音频处理流水线、轻量规则引擎NLU及续航优化,详解如何构建亚秒级、离线可用、符合医疗/

weixin_32495691的博客 276

Apple Watch腕上视觉交互:微型摄像头与边缘AI的工程实践

可穿戴设备正从被动响应走向主动感知,其核心在于将视觉传感器与AI推理能力原生集成于终端。微型摄像头模组突破光学物理极限,边缘侧AI推理实现毫秒级实时情境感知,二者协同构建低延迟、高隐私、低功耗的人机交互新范式。这种腕上视觉交互不再依赖手机中转,而是通过表冠微孔光学设计、SPAD红外补光、专用轻量模型与硬件级隐私开关,在15–60cm近距场景中完成扫码、手势识别、动作矫正等任务。技术价值体现在打破蓝牙传输与云端往返瓶颈,应用场景覆盖移动支付、健身指导、老年看护等高频刚需。本文聚焦苹果S9芯片时代下,微型摄像头

weixin_30765505的博客 438

Apple Watch语音直连Mac AI:零越狱实现真对讲机体验

语音助手本质是‘语音输入→语义理解→语音输出’的闭环系统,其技术瓶颈常不在模型本身,而在于端到端音频链路的低延迟、高保真与系统级可控性。在苹果生态中,WatchOS受限于沙盒与Web Speech API缺失,无法原生驱动大模型语音交互;而FaceTime协议凭借深度系统集成与NAT穿透能力,意外成为最稳定的实时音频管道。结合LoopBack虚拟音频路由与Python自动化控制,可将Apple Watch麦克风流精准注入Safari网页版Perplexity/Claude等AI服务,并将AI语音流回传至手表

weixin_33831673的博客 439

利用快捷指令实现Siri与通义千问大模型联动:打造个人AI助理实战指南

AI代理(AI Agent)作为连接用户与人工智能服务的关键桥梁,其核心原理在于通过智能调度与任务分解,将复杂请求分配给专业模型处理。这一技术架构融合了前端交互的便捷性与后端模型的强大能力,在智能助手、自动化工作流等场景中展现出巨大价值。以苹果Siri与阿里云通义千问(Qwen)大模型的集成为例,开发者可通过快捷指令(Shortcuts)构建代理层,实现语音指令的接收、云端AI的调用与结果的语音播报。这种方案不仅突破了传统语音助手的能力边界,也为AI代理的落地提供了可复用的工程实践路径,让用户能够提前体验下

weixin_34183910的博客 410

开源手表语音助手 Kuma Voice:为 Apple Watch 打造本地优先的语音闭环

智能语音交互正在从云端走向端侧,本地优先成为设备独立性的关键。Apple Watch 的语音助手长期依赖 iPhone 中转,无法在离线时完成闭环。Kuma Voice 作为开源项目,尝试将语音采集、转写与意图理解全部留在手表本地,构建无需手机参与的独立语音链路。这种设计不仅缩短响应路径、减少网络依赖,还能将语音数据留在设备上,增强隐私保护。在运动、会议、医疗等敏感场景中,手表本地语音处理具有明确的工程价值。本文拆解其技术架构、watchOS 系统限制与硬件资源约束,并给出从源码到真机的最小验证路径,适合关

weixin_34364071的博客 335

iOS支付宝使用指南:从配置到高级功能全解析

移动支付作为现代数字经济的核心基础设施,其技术实现涉及加密算法、生物识别和跨平台协同等多个关键技术领域。支付宝作为行业标杆应用,在iOS平台通过Face ID硬件级安全认证实现99.7%的刷脸支付成功率,并利用小程序容器技术使iOS端运行效率提升15%。针对iOS系统特性,文章详解了包括Siri快捷指令、小组件配置等系统级集成方案,以及支付异常排查、数据迁移等实用技巧,特别强调了在iOS 15+系统中开启本地网络权限对扫码支付功能的关键影响。

weixin_34162228的博客 335

iPhone 17深度自定义指南:从默认设置到高效个人助手的实战设置

在移动设备领域,系统默认设置旨在提供普适性体验,但往往无法满足用户对效率和个性化的深度需求。其底层原理在于通过开放系统接口和自动化工具,允许用户重新编排设备行为逻辑。这种自定义的技术价值在于显著降低日常使用中的认知负荷与操作步骤,将通用设备转化为高度适配个人工作流的生产力工具。其应用场景广泛覆盖了交互优化、通知管理、自动化流程构建以及跨设备生态联动。本文聚焦于iPhone 17,通过实战设置模块,系统性地阐述了如何利用聚焦模式、快捷指令自动化等核心功能,并结合声音识别、背面轻点等辅助功能,实现设备的深度个性

weixin_33711647的博客 429

AI Agent 在科研数据库管理中的真正价值:从对话助手到自动化流程引擎

AI Agent 常被视为更聪明的对话助手,但其核心技术价值不在于语义搜索,而在于将多步骤的复杂流程转化为可复用、可追踪的自动化工作流。在科研数据管理场景中,文献同步、元数据清洗、去重归档、报告生成等环节涉及大量重复操作,传统脚本难以应对输入变化,而 Agent 通过工具调用、任务拆分与人工审批节点,能够稳健地执行端到端的数据治理任务。从数据流设计到工具函数封装,再到异常排查与权限边界控制,Agent 正在成为连接科研数据库与科研人员的高效执行层。本文结合真实实践,拆解 Agent 在科研数据库管理中的工作

weixin_34372728的博客 358

MGIE:苹果端侧AI的指令级调度框架解析

端侧AI正从‘模型部署’迈向‘计算调度’新阶段,核心在于如何在隐私、功耗、实时性等硬约束下实现高效推理。MGIE(Multi-Granularity Instruction Execution)作为苹果提出的指令级执行框架,通过宏/微/纳三级粒度拆解AI任务,在NPU、GPU与Secure Enclave间动态协同调度,兼顾低延迟、低发热与强隐私。它不依赖大模型上云或全量端侧加载,而是以指令描述符+硬件受信执行重构AI落地范式,适用于iOS/macOS中高级开发者、边缘AI架构师及医疗/工业等高合规要求场景

2134

iOS 27 没有花哨的画饼,这一次,苹果把所有野心都藏进了你的“衣食住行”

这一次,苹果似乎放下了“科技教父”的清高,开始俯下身子,去死磕那些我们每天都会遇到的“生活小痛点”。从聚餐 AA 制算不清账,到情侣间共享位置的隐私尴尬,再到旅行出门的繁琐流程,iOS 27 几乎把我们日常用的第三方 App 的活儿,全给抢了。

网络研究观 216

AI静默接管生活:2025年无感协同的日常渗透实践

人工智能正从显性工具演进为隐性协作者,其核心在于‘无感协同’与‘场景化智能’——通过边缘计算实现毫秒级本地响应,依托Matter 2.0协议打破生态孤岛,并借助时空行为图谱建模理解个体生活流。这种技术路径不再依赖用户主动指令,而是基于生理数据、环境感知与历史行为完成被动式服务,显著降低认知负荷。其技术价值体现在提升生活流效率、优化能源使用、预判健康风险及重构信息处理方式,广泛应用于通勤调度、家庭能源管理、亚健康监测、邮件摘要生成等真实场景。本文聚焦2025年已落地的静默AI实践,揭示如何在保障数据主权前提下

weixin_34347651的博客 391

【SLAM】探索explore_lite在移动机器人自主建图中的高效边界检测策略

本文深入解析了explore_lite在移动机器人自主建图中的应用,重点探讨了其高效的贪婪边界检测策略。该工具包专为资源受限平台设计,通过直接利用SLAM生成的地图信息,以极低的计算开销实现快速、稳定的未知区域探索,并与move_base导航框架无缝协作,是轻量级机器人自主探索的优选方案。

purple的博客 1067

智能手表续航实测:4款主流型号功耗归因与选购避坑指南

智能手表续航并非简单由电池容量决定,而是传感器调度、系统唤醒逻辑、固件功耗控制及硬件架构共同作用的结果。从基础待机到GPS运动、整晚睡眠监测等高负载场景,真实续航差异可达80%。本文基于华为GT5 Pro、Amazfit T-Rex Ultra、Apple Watch Ultra 2和Garmin Epix Gen2四款代表机型,揭示‘标称续航’背后的实验室幻觉,解析抬腕亮屏敏感度、后台APP偷电、协处理器省电设计、低功耗模式功能阉割等关键耗电暗点。面向通勤族、运动爱好者、慢性病管理人群及iPhone生态用

jackleechina2011212的博客 179

CPRI原理及应用--基本原理

本文主要介绍CPRI的基本原理,包括CPRI的发展历程、CPRI基本协议、速率、帧结构、时延模型等

u014035968的博客 2万+

AI如何重塑应用开发:从架构变革到实战指南

在软件工程领域,应用架构正经历从传统单体模式向智能化服务范式的深刻演进。其核心原理在于,通过大语言模型(LLM)和AI Agent等技术,将确定性的业务逻辑转化为动态、可理解自然语言意图的智能服务。这种转变的技术价值在于,它极大地降低了复杂功能(如个性化推荐、内容生成)的实现门槛,使开发者能更专注于问题定义而非底层代码实现。在应用场景上,AI正渗透到从代码生成、智能测试到产品设计的全生命周期,典型的如通过GitHub Copilot提升编码效率,或利用RAG(检索增强生成)构建知识密集型应用。最终,这种技术

weixin_30530939的博客 431

微信小游戏审核避坑指南:如何一次性通过微信审核(附最新审核要求)

本文详细解析微信小游戏审核全流程,提供从开发到上线的关键策略,帮助开发者一次性通过审核。涵盖合规性自查、材料优化、开发环境配置、版本管理、审核材料填写技巧等核心内容,并附最新审核要求和常见驳回问题解决方案,显著提升审核通过率。

weixin_28454475的博客 1413

GPS-SDR-SIM使用详解

GPS-SDR-SIM 是一款开源工具,能够生成 GPS 基带信号数据流,这些数据流可通过软件定义无线电(SDR)平台(如 ADALM-Pluto、bladeRF、HackRF、USRP 等)转换为射频(RF)信号。简单来说,它能模拟 GPS 卫星信号,帮助开发者或爱好者测试 GPS 接收设备的性能,而无需依赖真实的卫星信号。

qq_35621280的博客 1243

AI Pin:无屏交互如何重构人机对话的底层逻辑

无屏交互是一种以人为中心的新型人机交互范式,其核心在于绕过视觉依赖,直接通过语音、听觉与环境感知建立意图到响应的最短路径。它基于认知科学原理(如听觉响应快于视觉处理),结合高精度麦克风阵列、骨传导反馈与上下文感知唤醒等关键技术,显著降低注意力负荷与操作延迟。该技术不仅提升信息获取效率,更在教育陪伴、职场协作、紧急救助等真实场景中展现独特价值——尤其适合被屏幕疲劳困扰的上班族、注重亲子互动质量的家长,以及追求自然交互体验的数字原住民。AI Pin正是这一理念的工程化落地代表。

weixin_33843947的博客 394

龙虾机器人(OpenClaw)本地部署完全技术指南

在开始部署之前,我们需要明确部署的对象。通常所说的“龙虾机器人”指的是开源项目 OpenClaw(曾用名:Clawdbot、Moltbot)。它由程序员彼得·斯坦伯格开发,是一个开源的、可本地部署的通用型AI代理系统。与ChatGPT等对话式AI不同,OpenClaw被赋予了操作系统的权限:它可以执行终端命令、读写文件、操控浏览器、安装软件,甚至通过MCP协议调用外部工具。

huanghm88的专栏 2万+
上一篇: 苹果起诉 OpenAI 指控窃取商业机密,诉讼或揭开其神秘硬件面纱!
下一篇: OpenAI证实GPT - 5.6或意外删文件,多模型曾现类似问题,公司将降风险
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值