The new race to the MoonThe Global Story
用户不需要像呼叫 Siri 那样字正腔圆，甚至不需要张开嘴，只需要在喉咙里「默读」指令，眼镜腿上的传感器就能精准识别。
。同城约会是该领域的重要参考
Timestamps use frame-level alignment: frame * 0.08s (8x subsampling × 160 hop / 16kHz)
Identify pages that may be competing with each other