Khám phá Google Beam: Công cụ hội nghị truyền hình 3D thế hệ mới

Cuộc gọi video và cuộc họp trực tuyến đã giúp làm việc từ xa trở nên khả thi, đồng thời giúp các nhóm duy trì kết nối giữa các quốc gia và múi giờ. Chúng đã trở thành một phần thường nhật trong cuộc sống và thay đổi cách chúng ta giao tiếp.

Tuy nhiên, dù được sử dụng rộng rãi, công nghệ cốt lõi đằng sau hội nghị truyền hình hầu như không thay đổi trong nhiều năm. Nhờ những tiến bộ gần đây, các nền tảng hội nghị truyền hình đang bắt đầu chuyển mình để mang lại cảm giác tự nhiên và chân thực hơn.

Đáng chú ý, tại hội nghị nhà phát triển thường niên (Google I/O 2025), Google đã giới thiệu công cụ giao tiếp video mới có tên Google Beam. Beam sử dụng trí tuệ nhân tạo (AI) và công nghệ hội nghị truyền hình 3D để vượt qua giới hạn của màn hình phẳng truyền thống, tạo ra trải nghiệm sống động hơn, gần với giao tiếp trực tiếp.

Hình 1. CEO Google Sundar Pichai giới thiệu Google Beam (Nguồn).

Trên thực tế, Google Beam được thiết kế để tạo cảm giác người đang trò chuyện với bạn ở ngay trước mặt. Không giống các cuộc gọi video thông thường, Beam tái hiện những tín hiệu tinh tế của con người như giao tiếp bằng mắt và chuyển động tự nhiên thay đổi theo góc nhìn của bạn—những chi tiết thường bị mất đi trên màn hình phẳng.

Trong bài viết này, chúng ta sẽ tìm hiểu Google Beam là gì, được phát triển như thế nào, hoạt động ra sao và có những ứng dụng nào.

Từ Project Starline đến Google Beam#

Trước khi tìm hiểu kỹ hơn về Google Beam, hãy cùng tìm hiểu rõ hơn về công nghệ tiền nhiệm Project Starline.

Được giới thiệu tại Google I/O 2021, Project Starline là một sáng kiến nghiên cứu nhằm khiến giao tiếp từ xa trở nên sống động hơn, gần như thể mọi người đang ở cùng một phòng. Công nghệ này hoạt động bằng cách tạo hình ảnh 3D có kích thước thật của mọi người theo thời gian thực. Dù thu hút nhiều sự chú ý, công nghệ này đòi hỏi thiết lập phức tạp và phần cứng mạnh.

Hình 2. Khám phá Project Starline (Nguồn).

Trong nhiều năm, khi công nghệ phát triển, Google đã cải tiến phần mềm và tinh giản phần cứng. Sau bốn năm phát triển, Project Starline đã trở thành Google Beam—một giải pháp nhỏ gọn và thân thiện với người dùng hơn.

Google Beam dùng AI để cải thiện cuộc gọi video bằng cách tạo hình ảnh chân thực hơn, có chiều sâu 3D của những người bạn đang trò chuyện. Công nghệ này chuyển video 2D thông thường thành các góc nhìn thay đổi theo góc quan sát, giúp duy trì giao tiếp bằng mắt và dễ nhìn thấy biểu cảm khuôn mặt hơn. Công nghệ này cũng có các tính năng như dịch theo thời gian thực, theo dõi đầu và âm thanh không gian.

Tổng quan về Google Beam#

Google Beam được phát triển để hoạt động mà không cần phụ kiện bổ sung như kính thực tế tăng cường (AR) hoặc thực tế ảo (VR). Thay vào đó, hệ thống có màn hình, hệ thống camera và phần cứng tích hợp riêng để tạo hình ảnh 3D. Nhờ vậy, cuộc gọi video trở nên tự nhiên, thoải mái và cuốn hút hơn so với các cuộc họp video thông thường.

Hình 3. Ví dụ về cách sử dụng Google Beam (Nguồn).

Cách Google Beam tạo ra các cuộc họp trực tuyến chân thực#

Sau khi tìm hiểu về quá trình hình thành Google Beam, hãy cùng xem kỹ hơn cách công nghệ này hoạt động.

Thu nhận hình ảnh để cộng tác từ xa sống động hơn#

Mọi thứ bắt đầu từ việc thu nhận thông tin hình ảnh. Beam sử dụng sáu camera độ phân giải cao để chụp ảnh đồng thời từ các góc khác nhau.

Các camera này giúp theo dõi đặc điểm khuôn mặt, ngôn ngữ cơ thể và những chuyển động nhỏ theo thời gian thực. AI đóng vai trò then chốt trong việc tối ưu hóa cài đặt camera và đồng bộ hóa mọi luồng video. Nhờ đó, hệ thống sẵn sàng cho giai đoạn tiếp theo: xử lý dữ liệu.

Từ hình ảnh 2D đến hội nghị truyền hình 3D#

Tiếp theo, AI được sử dụng để kết hợp sáu luồng hình ảnh 2D từ camera nhằm tạo model 3D theo thời gian thực của người trong khung hình. Thay vì chỉ xếp chồng các hình ảnh 2D, hệ thống tái tạo chiều sâu, bóng đổ và mối quan hệ không gian để tạo ra bản sao kỹ thuật số 3D hoàn chỉnh.

Để xây dựng model 3D này, Beam sử dụng AI và các kỹ thuật thị giác máy tính như ước tính độ sâu và theo dõi chuyển động. Các phương pháp này giúp xác định một người cách camera bao xa, họ di chuyển như thế nào và tư thế cơ thể ra sao. Với dữ liệu này, hệ thống có thể ánh xạ chính xác các đặc điểm khuôn mặt và bộ phận cơ thể trong không gian 3D.

Model AI đứng sau Beam cập nhật biểu diễn 3D ở tốc độ 60 khung hình mỗi giây (FPS) để cuộc trò chuyện luôn mượt mà và chân thực. Model cũng điều chỉnh theo thời gian thực để phản ánh chính xác chuyển động của người đó.

Hình 4. Sáu camera của Google Beam chụp ảnh từ các góc khác nhau (Nguồn).

Hệ thống màn hình trường ánh sáng của Google Beam#

Model 3D được hiển thị trên hệ thống Beam của người nhận bằng màn hình trường ánh sáng. Không giống màn hình thông thường hiển thị cùng một hình ảnh cho cả hai mắt, màn hình trường ánh sáng phát các hình ảnh hơi khác nhau đến mỗi mắt, mô phỏng cách chúng ta cảm nhận chiều sâu trong đời thực. Nhờ đó, trải nghiệm hình ảnh ba chiều trở nên chân thực hơn.

Hình 5. Đập tay ảo qua Google Beam (Nguồn).

Theo dõi đầu theo thời gian thực với độ chính xác đến từng milimét#

Một trong những tính năng ấn tượng nhất của Google Beam là khả năng theo dõi bằng AI theo thời gian thực. Hệ thống sử dụng khả năng theo dõi chính xác đầu và mắt để ghi nhận chuyển động đến từng chi tiết nhỏ nhất.

Ví dụ, engine AI của Beam có thể liên tục theo dõi vị trí đầu của người dùng và điều chỉnh hình ảnh một cách tinh tế theo thời gian thực. Điều này tạo cảm giác người trên màn hình thực sự đang ngồi đối diện bạn. Khi bạn di chuyển đầu, hình ảnh 3D cũng dịch chuyển tương ứng, giống như trong một cuộc trò chuyện trực tiếp.

Xử lý âm thanh cho giao tiếp trực tuyến được tăng cường bằng AI#

Beam cũng cải thiện trải nghiệm âm thanh bằng cách sử dụng âm thanh không gian phù hợp với vị trí người đó xuất hiện trên màn hình. Nếu người đó ở phía bên trái màn hình, giọng nói của họ sẽ phát ra từ bên trái. Khi họ đổi vị trí, âm thanh cũng điều chỉnh theo. Điều này giúp cuộc trò chuyện tự nhiên hơn và giúp não bộ xác định người đang nói mà không cần cố gắng thêm.

Công nghệ này hoạt động bằng cách kết hợp các kỹ thuật âm thanh định hướng với tính năng theo dõi theo thời gian thực. Beam sử dụng âm thanh không gian để mô phỏng cách chúng ta cảm nhận âm thanh tự nhiên trong thế giới thực (dựa trên hướng âm thanh phát ra và cách âm thanh đến từng tai). Hệ thống cũng theo dõi chuyển động đầu của người xem và điều chỉnh đầu ra âm thanh tương ứng, để âm thanh luôn có cảm giác “gắn liền” với người trên màn hình.

Các ứng dụng của Google Beam#

Dù vẫn đang ở giai đoạn đầu, Google Beam cho thấy tiềm năng đầy hứa hẹn trong lĩnh vực hội nghị truyền hình. Dưới đây là một số ứng dụng chính:

• Cộng tác từ xa: Google Beam có thể giúp các cuộc họp, đặc biệt là thảo luận cấp lãnh đạo hoặc đàm phán quan trọng, trở nên gần gũi và hiệu quả hơn. Bằng cách ghi nhận những yếu tố tinh tế như ngôn ngữ cơ thể và giao tiếp bằng mắt, Beam giúp mọi người cảm thấy hiện diện hơn dù ở cách xa nhau.
• Giáo dục: Beam có tiềm năng giúp việc học trực tuyến hấp dẫn và dễ tiếp cận hơn. Hãy tưởng tượng một nhà khoa học giảng bài trực tiếp cho sinh viên ở bên kia bán cầu, khiến họ thực sự có cảm giác như đang ở cùng một phòng.
• Chăm sóc sức khỏe: Beam có thể giúp các buổi tư vấn từ xa trở nên gần gũi hơn. Khi bác sĩ và bệnh nhân có thể nhìn rõ nhau và giao tiếp bằng mắt tự nhiên, điều đó giúp xây dựng lòng tin và khiến tương tác trở nên gần gũi hơn.
• Ngành công nghiệp sáng tạo: Với những người làm trong các lĩnh vực sáng tạo như hoạt họa, nghệ thuật và sản xuất, Beam có thể giúp làm việc nhóm từ xa dễ dàng và tự nhiên hơn. Dù là cùng lên ý tưởng hay xem xét một dự án, mọi người sẽ có cảm giác như đang ngồi cùng nhau trong studio hơn là tham gia cuộc gọi video.

Ưu và nhược điểm của Google Beam#

Dưới đây là một số lợi ích chính mà một đổi mới như Google Beam mang lại:

• Không cần kính đeo đầu: Không giống nhiều công nghệ tạo trải nghiệm sống động khác, Beam hoạt động mà không cần kính AR hoặc VR. Nhờ đó, trải nghiệm thoải mái hơn và tránh được các vấn đề thường gặp như say chuyển động hoặc bất tiện khi phải đeo thiết bị bổ sung.
• Giảm mỏi mắt do màn hình: Màn hình 3D mang lại trải nghiệm xem tự nhiên và thoải mái hơn, giúp giảm mỏi mắt so với việc nhìn màn hình phẳng trong thời gian dài.
• Dịch ngôn ngữ theo thời gian thực: Beam có thể tích hợp tính năng dịch theo thời gian thực ứng dụng AI, giúp những người nói các ngôn ngữ khác nhau giao tiếp tự nhiên hơn trong các cuộc họp quốc tế hoặc môi trường học tập.

Beam là một bước tiến đầy hứa hẹn, nhưng cũng như mọi công nghệ mới, giải pháp này có một số hạn chế. Dưới đây là những điểm cần cân nhắc:

• Yêu cầu về phần cứng: Beam cần thiết bị chuyên dụng cao cấp như màn hình trường ánh sáng và nhiều camera, khiến hệ thống đắt đỏ và khó tiếp cận hơn với cá nhân cũng như các tổ chức nhỏ.
• Không di động: Hệ thống Beam được thiết kế để lắp đặt cố định và không dễ di chuyển, làm hạn chế tính linh hoạt cũng như khả năng sử dụng trong môi trường di động hoặc thường xuyên thay đổi.

Điểm chính cần ghi nhớ#

Google Beam là một bước tiến thú vị hướng đến mục tiêu giúp giao tiếp trực tuyến trở nên gần gũi hơn. Dù vẫn đang ở giai đoạn đầu, công nghệ này có tiềm năng thay đổi cách chúng ta họp, kết nối và cộng tác. Bằng cách kết hợp AI tiên tiến, hình ảnh 3D và âm thanh không gian, Beam tạo ra trải nghiệm từ xa chân thực và cuốn hút hơn.

Khi Google tiếp tục cải thiện phần cứng của Beam, thu nhỏ thiết bị hơn nữa và có thể đưa sản phẩm đến với người dùng phổ thông, điều này mở ra những khả năng đầy hứa hẹn cho tương lai của giao tiếp ảo. Cùng với các xu hướng công nghệ mới như cuộc họp hologram và avatar 3D, Beam có thể thiết lập tiêu chuẩn mới cho các cuộc họp ảo.

Tham gia cộng đồng và tham khảo các tùy chọn cấp phép để bắt đầu sử dụng thị giác máy tính ngay hôm nay. Truy cập repository GitHub để tìm hiểu thêm về AI. Đọc các trang giải pháp của chúng tôi để tìm hiểu về nhiều trường hợp ứng dụng như AI trong bán lẻ và thị giác máy tính trong nông nghiệp.