探索 Google Beam：新一代 3D 视频会议工具

视频通话和虚拟会议让远程办公成为可能，帮助团队跨越国家和时区保持联系。它们已经成为我们生活中的常态，也改变了我们的沟通方式。

然而，尽管视频会议已广泛普及，其背后的核心技术多年来基本没有变化。得益于近期的技术进步，视频会议平台正开始转变，力求带来更自然、更逼真的体验。

有趣的是，在年度开发者大会（Google I/O 2025）上，Google 推出了名为 Google Beam 的全新视频通信工具。Beam 运用人工智能（AI）和 3D 视频会议技术，摆脱传统平面屏幕的限制，营造更具沉浸感、仿佛身处现场的体验。

图 1. Google CEO Sundar Pichai 介绍 Google Beam（来源）。

事实上，Google Beam 的设计目标是让你感觉正在交谈的人就坐在你面前。与普通视频通话不同，它能呈现一些细微的人类交流线索，例如眼神交流，以及随你的视角变化的自然动作；这些细节在平面屏幕上往往会丢失。

本文将介绍 Google Beam 是什么、它是如何开发的、如何运作，以及它有哪些应用。

从 Project Starline 到 Google Beam#

在深入了解 Google Beam 之前，我们先来进一步认识它的前身 Project Starline。

Project Starline 于 Google I/O 2021 上发布，是一项旨在让远程交流更有真实感、仿佛身处同一房间的研究计划。它通过实时生成真人大小的 3D 图像来实现这一目标。尽管这项技术引起了广泛关注，但它需要复杂的设置和大量硬件。

图 2. Project Starline 一览（来源）。

随着技术不断进步，Google 多年来持续改进软件并精简硬件。经过四年的开发，Project Starline 已演变为 Google Beam——一种更紧凑、更易用的解决方案。

Google Beam 利用 AI 改善视频通话，生成与你交谈的人物更逼真、近似 3D 的图像。它将普通 2D 视频转换为可随不同视角调整的画面，有助于保持眼神交流，也让面部表情更清晰可见。它还包含实时翻译、头部追踪和空间音频等功能。

Google Beam 概览#

Google Beam 的设计无需增强现实（AR）或虚拟现实（VR）头显等额外配件即可使用。它配备了自己的内置显示屏、摄像头系统和硬件，用于生成 3D 视觉效果。因此，与普通视频会议相比，视频通话会显得更自然、更舒适，也更有吸引力。

图 3. Google Beam 使用示例（来源）。

Google Beam 如何打造逼真的虚拟会议#

了解了 Google Beam 的由来之后，接下来我们进一步看看它的工作原理。

为沉浸式远程协作捕捉图像#

一切始于视觉信息的采集。Beam 使用六台高分辨率摄像头同时从不同角度拍摄图像。

这些摄像头有助于实时追踪面部特征、肢体语言和细微动作。AI 在优化摄像头设置并保持所有视频流同步方面发挥着关键作用。这为系统的下一阶段做好了准备：数据处理。

从 2D 图像到 3D 视频会议#

接下来，AI 会将六路 2D 摄像头画面合成为视野中人物的实时 3D 模型。系统并非简单地叠加 2D 图像，而是重建深度、阴影和空间关系，生成完整的 3D 数字孪生体。

为了构建这个 3D 模型，Beam 会运用 AI 和计算机视觉技术，例如深度估计和运动追踪。这些方法有助于确定人物与摄像头之间的距离、人物的移动方式以及身体姿势。借助这些数据，系统可以在 3D 空间中准确映射面部特征和身体部位。

Beam 背后的 AI 模型以每秒 60 帧（FPS）的速度更新 3D 表示，让对话流畅自然。它还会实时调整画面，准确呈现人物动作。

图 4. Google Beam 的六台摄像头从不同角度捕捉图像（来源）。

Google Beam 的光场显示系统#

接收端的 Beam 系统通过光场显示屏呈现 3D 模型。与向双眼呈现相同图像的传统屏幕不同，光场显示屏会向每只眼睛发出略有差异的图像，模拟我们在现实生活中感知深度的方式，从而打造更逼真、更具立体感的视觉体验。

图 5. 通过 Google Beam 进行虚拟击掌（来源）。

实时毫米级精准头部跟踪#

Google Beam 最令人印象深刻的功能之一是其实时 AI 跟踪能力。系统通过精准的头部和眼动跟踪，捕捉细微至极的动作。

例如，Beam 的 AI 引擎可以持续追踪用户的头部位置，并实时对图像进行细微调整。这会让屏幕上的人看起来仿佛真的坐在你对面。你移动头部时，3D 图像也会相应变化，就像面对面交谈一样。

用于 AI 增强虚拟通信的音频处理#

Beam 还会利用与屏幕上人物位置相匹配的空间音效来改善音频体验。如果有人出现在显示屏左侧，他们的声音听起来也会像是从左侧传来。随着人物位置变化，音频也会随之调整。这让对话感觉更自然，也帮助你的大脑轻松辨别说话者。

这项功能通过结合定向音频技术和实时追踪来实现。Beam 使用空间音频来模拟我们在现实世界中自然感知声音的方式（依据声音传来的方向以及声音到达双耳的方式）。系统还会追踪观看者的头部动作并相应调整音频输出，让声音始终仿佛“附着”在屏幕中的人物身上。

Google Beam 的应用场景#

Google Beam 虽然仍处于早期阶段，但在视频会议领域展现出可喜的潜力。以下是它的一些主要应用场景：

• 远程协作：Google Beam 可以让会议——尤其是领导层讨论或高风险谈判——更具亲和力，也更有效。通过捕捉肢体语言和眼神交流等细节，即使人们相隔遥远，也能感到彼此就在身边。
• 教育： Beam 有望让虚拟学习更有趣、更易参与。想象一下，一位科学家为远在世界另一端的学生进行现场授课，而学生仿佛觉得科学家就在同一个房间里。
• 医疗保健： Beam 可以让远程问诊更具亲和力。当医生和患者能清楚地看到彼此并自然地进行眼神交流时，就能建立信任，让交流更有人情味。
• 创意行业：对于动画师、艺术家和制作人等创意领域从业者来说，Beam 可以让远程团队合作更轻松、更自然。无论是集思广益还是评审项目，体验都更像是在工作室一起讨论，而不是进行视频通话。

Google Beam 的优缺点#

以下是 Google Beam 这类创新技术带来的一些主要优势：

• 无需头显：与许多沉浸式技术不同，Beam 无需佩戴 AR 或 VR 头显即可使用。这让体验更加舒适，也避免了晕动症或佩戴额外设备带来的不便等常见问题。
• 减轻屏幕疲劳：3D 显示屏提供了更自然、更舒适的观看体验，与长时间盯着平面屏幕相比，有助于减轻眼睛疲劳。
• 实时语言翻译：Beam 可以集成 AI 实时翻译功能，让使用不同语言的人们更容易在国际会议或学习环境中自然交流。

Beam 前景可期，但和任何新技术一样，它也有一些局限。以下是一些需要考虑的方面：

• 硬件要求：Beam 需要专用的高端设备，例如光场显示屏和多台摄像头，因此成本高昂，个人用户和小型组织也较难使用。
• 不便携：Beam 系统是为固定安装而设计的，不适合轻松移动，因此在移动或不断变化的环境中，灵活性和适用性都有限。

要点#

Google Beam 是让虚拟交流更有人情味的一项引人入胜的进展。虽然它仍处于早期阶段，但有望改变我们的会议、联络和协作方式。它融合了先进的 AI、3D 成像和空间音频，打造更逼真、更具吸引力的远程体验。

随着 Google 持续改进 Beam 的硬件、进一步缩小设备尺寸，并可能将其带给普通用户，虚拟通信的未来也将迎来令人振奋的可能性。结合全息会议和 3D 虚拟形象等新兴技术趋势，Beam 有望为虚拟会议树立新标准。

加入我们的社区，并查看我们的许可选项，立即开始使用计算机视觉。浏览我们的 GitHub 代码库，进一步了解 AI。阅读我们的解决方案页面，了解零售领域的 AI和农业领域的计算机视觉等各种应用场景。