当前位置：首页 > news >正文

会思考的眼镜离你有多远？OpenGlass开源智能眼镜体验手记

news 2026/8/15 12:34:39

会思考的眼镜离你有多远？OpenGlass开源智能眼镜体验手记

【免费下载链接】OpenGlassTurn any glasses into AI-powered smart glasses项目地址: https://gitcode.com/GitHub_Trending/op/OpenGlass

你有没有过这样的瞬间：明明和对方聊得很开心，转头却忘了对方叫什么；走进陌生的街道，想查点什么只能掏出手机；路过一块招牌，字太小看不清。如果这些"看见"能被一副眼镜悄悄记下来，再由AI替你翻译成文字、总结成答案，生活会轻松多少？这就是 OpenGlass——一个把普通眼镜变成 AI 智能眼镜的开源项目，而全部硬件成本，还不到 25 美元（约25元人民币）。

它到底解决了什么问题

简单说，OpenGlass 想做的事是：让任何一副眼镜都拥有"看见并理解"的能力。你戴上它，摄像头拍下眼前的画面，AI 模型在本地或云端分析图片，然后把结果告诉你——眼前是谁、招牌上写了什么、这个场景正在发生什么。

市面上不是没有智能眼镜，但动辄几千上万的售价，加上封闭的系统和厂商牢牢攥在手里的数据，让大多数人只能围观。OpenGlass 反着来：硬件用现成的开源组件，代码全部开源，AI 模型随你挑，隐私数据可以留在自己手里。它更像一个"眼镜改装套件"，而不是一台被设计好的消费电子产品。你可以把它想成"给眼镜装上一台会认东西的小电脑"，而不是"买一台戴在脸上的手机"。

三个最打动人的细节

25元的硬件，藏着认真的取舍

整套硬件清单极其朴素：一块 XIAO ESP32 S3 开发板（带摄像头和麦克风，十几元）、一块 250mAh 的小电池（三元上下）、一个 3D 打印的眼镜夹。总价控制在 25 美元以内，绝大多数零件电商平台都能买到。

这块 ESP32 S3 看起来"小"，却集成了摄像头接口、蓝牙、Wi-Fi 和足够跑本地模型的算力。最妙的是固件设计——它通过蓝牙低功耗把拍到的照片和录到的声音传给手机 App，AI 计算在手机或服务器端完成，眼镜本体只需负责"看"和"听"，功耗自然低，一天一充都嫌多。这不是"为了便宜而便宜"，而是把每一分钱都花在刀刃上的务实做法：30万像素的摄像头对 AI 识别绰绰有余，高分辨率反而徒增功耗和延迟。

一个场景，四种 AI 任你选

项目作者在 prompts 目录里做了一件很"较真"的事：他们用同一批实拍照片，跑了四个不同的 AI 模型做描述对比。看同一个室内场景，Moondream 会老老实实说"一个人坐在桌前看手机"；LLaVA-Llama3 会绘声绘色地补充"卷发青年穿着灰衬衫，房间里有一根白色管道"；而 34B 参数的 LLava 甚至会推测"这里可能是火车站"。同一只眼睛，换上不同的"大脑"，看到的世界细节完全不同。

这意味着你可以按场景换模型：想要快速响应就上轻量级的 Moondream，想要细致的场景理解就换 LLaVA，想在本地跑保护隐私就在自己电脑上部署 Ollama。OpenGlass 把 AI 的选择权完全交给了你，而不是替你决定。

上图为 OpenGlass 项目测试集的实拍画面之一，四个 AI 模型分别对它生成了不同详略度的场景描述。

不仅会看，还会"答"

OpenGlass 不止是拍照描述，它内置了一个 Agent 智能体：你拍的每一张照片都会被自动转成文字描述存档，然后你可以直接对它提问——"我刚才见到的那个人穿了什么颜色的衣服？""这个房间里有几个人？"它会翻遍你积累的视觉记忆，给出基于事实的回答，而不是凭空想象。换句话说，它给了你一副"有记忆的眼睛"。

5分钟快速上手，跟着走就行

整个上手过程比想象中简单，基本是"刷固件 + 装 App + 配模型"三步：

准备硬件：买一块 XIAO ESP32 S3（或任何带摄像头的 ESP32S3 板子），打印或找一个能夹在镜腿上的 3D 打印支架，接好电池。
刷固件：用 Arduino IDE 打开仓库里的 firmware/firmware.ino，装上 ESP32 开发板支持包，选择 XIAO_ESP32S3 板型，记得把 PSRAM 设为 "OPI PSRAM"，然后一键上传。固件默认通过蓝牙把照片和音频推给手机，代码里还留了 Opus / Mu-law / PCM 三种音频编码的开关，按你的 App 需求切换即可。
跑软件：克隆仓库后用npm install && npm start启动 Expo 应用，在 keys.ts 里填上你用的 AI 服务密钥（Groq / OpenAI 的 API Key，或自建 Ollama 的本地地址），再执行一次ollama pull moondream:1.8b-v2-fp16拉取默认模型，就能在浏览器里看到眼镜传回的实时画面和 AI 描述。

如果你不想碰代码，项目也开放了预组装套件的预订渠道，买来就能直接体验。

实测印象，以及它还没做好的地方

从项目自带的测试数据看，这套组合的真实表现相当可靠：57 张实拍测试图，每个模型都能稳定输出结构化的场景描述，即使画面里有遮挡、光线一般，描述也基本准确。作者甚至把"识别人物""翻译文字"做成了核心用例，Agent 的回答只基于真实拍摄内容，不会脑补不存在的细节。

不过也要说句公道话：它毕竟不是商业产品。没有屏幕，AI 结果需要靠手机查看；30 万像素的摄像头注定拍不清远处小字；本地跑 34B 大模型需要一台配置不错的电脑；蓝牙传输偶尔会有延迟。另外，任何"戴在脸上的摄像头"都牵涉隐私边界——拍别人之前，请先想想合不合适。这些是它目前的天花板，也是它继续进化的空间。