稚晖君这个视觉识别到语音合成那段的速度有点猛的，超越了我的理解。好奇是本地计算吗？如果是本地的话，SoC功耗电池能跟得上吗？
除非能上手体验真机，不然我是不信的。具身智能搞虚假宣传已经司空见惯了，端侧那点算力多模态能有这个响应速度我觉得不太可能，大概率是剧本
