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

Các cuộc gọi video và cuộc họp trực tuyến đã giúp công việc từ xa trở nên khả thi, hỗ trợ các nhóm duy trì kết nối giữa nhiều 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 phía 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 dịch theo hướng mang lại cảm giác tự nhiên và chân thực hơn.

Đáng chú ý, tại hội nghị dành cho developer thường niên (Google I/O 2025), Google đã giới thiệu công cụ giao tiếp video mới mang tên Google Beam. Beam sử dụng trí tuệ nhân tạo (AI) và công nghệ hội nghị truyền hình 3D để vượt ra ngoài những màn hình phẳng truyền thống, tạo nên trải nghiệm chân thực và sống động hơn như khi gặp 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 như người bạn đang trò chuyện đang ở ngay trước mặt. Không giống các cuộc gọi video thông thường, công cụ này khôi phục những tín hiệu tinh tế của con người, chẳng hạn như giao tiếp bằng mắt và chuyển động tự nhiên thay đổi theo góc nhìn của bạn—những chi tiết thường bị mất trên màn hình phẳng.

Trong bài viết này, chúng ta sẽ tìm hiểu sâu về Google Beam, cách công cụ này được phát triển, cách hoạt động và các ứng dụng của nó. Hãy bắt đầu!

Từ Project Starline đến Google Beam#

Trước khi tìm hiểu kỹ hơn về Google Beam, hãy cùng hiểu rõ hơn về tiền thân của công cụ này: 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 chân thực hơn, gần như thể bạn đang ở cùng một phòng. Công nghệ này hoạt động bằng cách tạo ra hình ảnh 3D kích thước thật của con người theo thời gian thực. Mặc dù thu hút nhiều sự chú ý, công nghệ này đòi hỏi thiết lập phức tạp và phần cứng cồng kềnh.

Hình 2. Cái nhìn về Project Starline (Nguồn).

Qua nhiều năm, khi công nghệ tiến bộ, Google đã tinh chỉnh phần mềm và tối ưu phần cứng. Sau bốn năm phát triển, Project Starline đã phát triển thành Google Beam—một giải pháp nhỏ gọn và thân thiện với người dùng hơn.

Google Beam sử dụng AI để nâng cao chất lượng cuộc gọi video bằng cách tạo ra hình ảnh chân thực, có chiều sâu 3D hơn về những người bạn đang trò chuyện. Công cụ này chuyển video 2D thông thường thành các góc nhìn thay đổi theo từng góc quan sát, giúp duy trì giao tiếp bằng mắt và làm biểu cảm khuôn mặt dễ nhận thấy hơn. Beam cũng bao gồm các tính năng như dịch theo thời gian thực, tracking đầu và âm thanh không gian.

Tổng quan về Google Beam#

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

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

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

Sau khi đã tìm hiểu nguồn gốc của Google Beam, hãy cùng xem xét kỹ hơn cách công cụ này hoạt động.

Thu thập hình ảnh cho cộng tác từ xa sống động#

Mọi thứ bắt đầu từ việc thu thập 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 tracking các đặc điểm khuôn mặt, ngôn ngữ cơ thể và những chuyển động nhỏ theo thời gian thực. AI đóng vai trò then chốt bằng cách tối ưu cài đặt camera và giữ cho tất cả luồng video được đồng bộ hoàn hảo. Đây là bước chuẩn bị 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 camera 2D nhằm tạo ra model 3D theo thời gian thực của người trong khung hình. Thay vì chỉ xếp chồng các hình ảnh 2D, hệ thống tái tạo độ sâu, bóng đổ và các mối quan hệ không gian để tạo ra một digital twin 3D hoàn chỉnh.

Để xây dựng model 3D này, Beam sử dụng AI và các kỹ thuật computer vision như ước tính độ sâu và tracking chuyển động. Những phương pháp này giúp xác định khoảng cách của một người so với camera, cách họ di chuyển và vị trí của cơ thể. Với dữ liệu này, hệ thống có thể lập bản đồ chính xác các đặc điểm khuôn mặt và bộ phận cơ thể trong không gian 3D.

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

Hình 4. Sáu camera của Google Beam chụp hình 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 bên nhận bằng màn hình trường ánh sáng. Không giống các màn hình thông thường hiển thị cùng một hình ảnh cho cả hai mắt, màn hình trường ánh sáng phát ra các hình ảnh hơi khác nhau cho mỗi mắt, mô phỏng cách chúng ta cảm nhận độ sâu trong đời thực. Điều này tạo ra trải nghiệm hình ảnh ba chiều chân thực hơn.

Hình 5. Trao nhau những cú đập tay ảo qua Google Beam (Nguồn).

Tracking đầu theo thời gian thực với độ chính xác đến milimet#

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

Ví dụ, engine AI của Beam có thể liên tục tracking vị trí đầu của người dùng và thực hiện các điều chỉnh tinh tế đối với hình ảnh 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 thay đổi tương ứng, giống như trong một cuộc trò chuyện trực tiếp ngoài đời.

Xử lý âm thanh cho giao tiếp trực tuyến được AI nâng cao#

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 ai đó ở phía bên trái màn hình, giọng nói của họ sẽ phát ra như từ bên trái. Khi họ thay đổi vị trí, âm thanh cũng điều chỉnh theo. Điều này khiến cuộc trò chuyện trở nên tự nhiên hơn và giúp não bộ của bạn nhận biết ai đang nói mà không cần thêm nỗ lực.

Cơ chế này hoạt động bằng cách kết hợp các kỹ thuật âm thanh định hướng với tracking theo thời gian thực. Beam sử dụng âm thanh không gian để mô phỏng cách chúng ta tự nhiên cảm nhận âm thanh trong thế giới thực (dựa trên hướng âm thanh phát ra và cách âm thanh truyền đến từng tai). Hệ thống cũng tracking chuyển động đầu của người xem và điều chỉnh đầu ra âm thanh tương ứng, để âm thanh luôn “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 khiến các cuộc họp, đặc biệt là thảo luận của 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, công cụ này giúp mọi người cảm thấy hiện diện hơn ngay cả khi ở cách xa nhau.
• Giáo dục: Beam có tiềm năng khiến việc học trực tuyến trở nên thú vị và dễ tiếp cận hơn. Hãy hình dung một nhà khoa học đang giảng bài trực tiếp cho sinh viên ở nửa bên kia thế giới, nhưng trải nghiệm thực sự giống như họ đang ở cùng một phòng.
• Chăm sóc sức khỏe: Beam có thể khiến 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 một cách tự nhiên, điều đó giúp xây dựng lòng tin và khiến tương tác trở nên gần gũi hơn.
• Các ngành công nghiệp sáng tạo: Đối với những người làm việc trong các lĩnh vực sáng tạo như animator, nghệ sĩ và nhà sản xuất, Beam có thể giúp cộng tác từ xa trở nên dễ dàng và tự nhiên hơn. Dù là brainstorm ý tưởng hay review một dự án, trải nghiệm này giống như cùng ngồi trong studio hơn là tham gia một 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: Không giống nhiều công nghệ sống động khác, Beam hoạt động mà không yêu cầu kính AR hoặc VR. Điều này giúp trải nghiệm thoải mái hơn và tránh các vấn đề phổ biến như say chuyển động hoặc sự bất tiện khi phải đeo thêm thiết bị.
• Giảm mỏi mắt: Màn hình 3D mang lại trải nghiệm xem tự nhiên và thoải mái hơn, có thể 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 do AI hỗ trợ, 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 giống mọi công nghệ mới, công cụ này vẫn có một số hạn chế. Dưới đây là những điều cần cân nhắc:

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

Những điểm chính#

Google Beam là một bước tiến đáng chú ý hướng tới việc khiến giao tiếp trực tuyến trở nên gần gũi hơn với con người. Dù vẫn đang ở giai đoạn đầu, công cụ này có tiềm năng thay đổi cách chúng ta gặp gỡ, 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 hấp dẫn 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, công cụ này mở ra những khả năng đầy hứa hẹn cho tương lai giao tiếp trực tuyến. Cùng với các xu hướng công nghệ mới như cuộc họp hologram và avatar 3D, Beam đang thiết lập một tiêu chuẩn mới cho các cuộc họp trực tuyến.

Hãy tham gia cộng đồng của chúng tôi và xem các tùy chọn cấp phép để bắt đầu với computer vision 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 sử dụng khác nhau của AI trong bán lẻ và computer vision trong nông nghiệp.