應用案例

MEW Reality XR Studio虛實製播服務平台整合本地語音辨識（ASR）、自然語言理解（NLU）、語音合成（TTS）與知識檢索（RAG）等AI核心模組，實現在Kiosk等邊緣裝置中即時、離線的智慧互動體驗。平台針對台灣在地語音特性開發繁體中文TTS與語意理解技術，支援情境感知、情緒語音風格調整與長文本韻律優化，大幅提升虛擬助理的自然度與同理性。 此外，平台提供虛擬角色即時製播功能，結合動作捕捉、3D角色同步驅動與即時渲染，支援Vtuber直播、虛擬導覽、XR展示等應用場景。用戶可藉由直觀控制介面與標準化角色綁定流程，高效完成互動內容製作。平台同時具備邊緣運算資源調度與本地知識庫自學習機制，有效降低對雲端依賴、節省頻寬並提升數據安全性。透過AI與XR整合的雙軸設計，MEW Reality不僅強化多場域智慧應用，也為產業提供具成本效益的沉浸式互動解決方案。

本PHM系統的核心價值在於其能夠精確地預測設備健康狀態與設備的製程狀態，提高生產過程的效率。透過結合IOT、邊緣運算，系統不僅能夠減少算力需求和演算時間，還能夠降低誤判風險，提高模型的遷移性。這項創新技術將為製造業的數位轉型帶來巨大的改變，協助企業實現高效運營和成本降低。

因應國内外人工智慧的發展熱潮，嘗試引進市政管理創新演進，藉由此計劃進行小規模場域，發展智慧化的交通解決方案。特此選定臺南市區最繁忙之路段，藉此分析該路段之車流、車種及車輛轉向率等資訊，以輔助市府號誌燈時制計畫優化。針對台南市東區東門路三段及自由路三段路口與南門路及府前路口為分析基礎，具備分析取得行經該路口車流、車種、轉向比率、人流 等資訊的能力，以每小時、每1分鐘及每5分鐘為單位做動態資訊呈現，並以檔案圖表(.csv)形式輸出。將所獲得之數據進一步分析，作爲路口之時制計劃中紅綠燈號誌調控的決策依據。

AI語音智能健康照護語音助理可串接搭配各項IoT感測器，降低照顧人員負擔，亦可透過每日的量測紀錄，隨時注意身體狀況；除智能健康照護功能外，還可陪伴聊天講故事說笑話、更能讓遠距子女遠端同步父母狀況及互動，同時也具備智慧音箱基本生活資訊查詢、聽音樂等，並搭配專人服務，提供細緻貼心的個人客服與精準行銷。 本團隊採用最新人工智慧深度學習(Deep Learning)設計語音智能健康照護平台，透過自然語意理解(NLP)及智能學習，開發文字、語音的識別與對答能力。 搭配團隊開發的核心技術，可整合串接各項IoT裝置、並搭配網路開放資料，創造更多樣化的專屬功能。除了健康照護領域，語音智能健康照護語音助理也可以客製化應用於其他產業服務與行銷應用。

每天都在煩惱今天晚上要吃甚麼嗎? 打開冰箱看著滿滿的食材，卻不知道該做甚麼菜，同樣的食材，千篇一律的烹調方式您是否已經吃膩了呢? 我們提供了跨平台的AI辨識食材的的服務，透過手機拍照上傳食材照片，AI將透過影像識別，分析您是哪一種食材，並且推薦您料理的影片，提供您料理食材的參考，讓您每天都家享受不同的異國料理。本系統可延伸用於病患醫療飲食控制，如家中有腎功能或是糖尿病患者，可透過本系統推薦適合病人的烹調料理，以提供家人在病患照顧上有更好的生活品質。

整合產線運行資料與專業技術人員標記的品質資訊，建立可用於知識理解與語意推論的數據基礎。透過 Embedding 技術，將包含環境感測參數(如:溫溼度)、品質預測（如:LSTM 預測濾網更換等）、設備稼動狀態與製程事件記錄等原始資料轉換為高維語意向量，提供語言模型進行語意匹配與問題解答的依據。 系統搭配 LLAMA 3 語言模型，可接收來自使用者的自然語言提問（User Prompt）與系統提示（System Prompt），並結合語意向量進行推論。為提升回答的實用性與準確度，系統可根據回應結果的品質，動態調整 Embedding 模組的權重參數，使模型更貼近鑄造領域的語境與判斷邏輯，逐步優化回應品質。

隨著電商的蓬勃發展，平台上的商品數量日益增加，消費者對於搜尋商品的效率及瀏覽體驗要求越來越高。然而傳統電商平台在商品搜尋上常面臨搜尋範圍有限、標籤不精確、個人化推薦不足等問題，導致消費者難以快速找到所需商品，進而影響購物體驗及轉換率。 為了解決上述痛點，意藍使用先進的人工智慧（AI）技術，並結合語意分析與個人化推薦系統，全面提升商品搜尋和標籤管理效率，賦予商品具有使用者搜尋意圖的標籤，從而優化用戶體驗。首先我們提供關鍵字與標籤搜尋服務，並搭配商家客製的搜尋排序，以提高資料搜尋查找效率與商品曝光率；同時，針對使用者行為和興趣，提供精準的個人化商品推薦，提升用戶的購物轉換率。另也提供商家自定義排序功能，根據商家的優先級和策略進行商品排序，增加商家商品的曝光和銷售。

1. 彙整專案資料：收集訪談語音檔、會議語音檔以及相關的訪談文件，為後續的資料處理和分析提供基礎。 2. 語音檔轉成文字資料庫：利用先進的語音辨識技術，將收集到的語音檔轉換為文字形式，建立結構化的文字資料庫，為資料分析和處理提供基礎。 3. 建立向量資料庫：根據客戶資料和訪談資料，建立向量資料庫，實現資料的高效檢索和分類。 4. AI自動分類：運用人工智慧技術，對專案需求和訪談要點進行自動分類，幫助企業快速了解專案的重點和需求。 5. 會議記錄及需求文件生成：AI自動生成會議記錄、專案需求文件和專案提案文件，確保文件的準確性和一致性。

本應用核心緣起，即在於改善這些「診間依賴、資料分散、缺乏標準」的問題。藉由推動 722 居家血壓標準（7 天、早晚各 2 次、連續 2 週），並串聯診所、社區血壓站與居家設備的數據，建立一個完整的血壓管理網絡。我們同時導入 AI 技術，協助進行異常數據偵測、長期趨勢分析與個人化衛教，讓醫師與病人都能透過系統即時掌握狀態。

人才選擇公司的世代來臨，透過Apollo獨家招募功能Lasso AI Video Interview先面試再篩選，縮短招募時間，讓企業實現大批量招募；針對不同職缺設定相對應的問題，提供快問快答、選擇題、基本答題等題型，讓企業實現結構化面試題型，結合AI應用分析潛在情緒資訊、透過綜合加權評比客觀分析，自動生成人才矩陣快速篩選網羅試才。<業界唯一>做到一體化招募管理，Lasso AI Video Interview與企業招募網站和招募、人資系統完美整合，從內部職缺申請、公告、履歷蒐集、篩選、視頻面試、面試官審查紀錄、人員錄用簽核、錄用通知一直到建立員工資料，整個作業流程僅需單一平台即可完成，幫助企業打造專屬人才庫和完美實現一體化招募管理流程。

在金融產業當中，FinTech金融科技和AI人工智慧已是最新趨勢，透過銀行系統整合和AI應用來達成更便捷和準確的工作流程，並透過AI智能客服在最前線高效服務客戶，立刻針對信用卡管理、帳戶查詢和財富管理等，進行身份認證和準確回答，有效改善客服中心的營運成本和顧客關係維繫品質。 透過人工智能公司的『Q比智慧服務機器人導入解決方案』，包含24/7全年無休全天候的智能客服、會員系統整合、OTP認證等，透過我們的聊天機器人平台，以自然語意理解(NLP)技術，整合文字、語音和應答能力，AI機器人自動回覆和判斷相關答案，快速提供更精準及個人化之服務，亦可透過IA人機協作，客服人員與AI服務機器人一同回答客戶問題，以及瀏覽客戶歷程，快速從知識庫中引用最佳答案，提高服務效率。

意藍團隊協助國家災害防救科技中心導入AI Search For KM系統，運用生成式AI與自然語言模型建構「災害防救知識問答平台」，自動針對網路社群媒體之災害相關輿情進行擷取，並透過語意分析及搜尋引擎的技術提供網路輿情即時蒐集與災情觀測內容分析，縮短災害發生時的災害相關輿情蒐集時間，同時以完整且系統化的功能進行災害相關訊息分析，協助快速掌握災情現況，落實循證決策、全面提升災害應變能力。

機器人在製造業的應用已經越來越廣泛，相對的機器人是否能順利運作對生產工作的穩定性也會有相當程度的影響。因此若是有一套系統能針對機器人的健康狀態做線上的監測，並能在機器人發生問題的初期就能發現並及早通知使用者，就能夠及早因應並採取必要的措施，就能有效降低機器人無預警的損壞造成對生產作業的衝擊。機器人自動預知診斷系統能夠7/24線上監測機器人機件運作的細微動作變化，只需要在機器人的基座放置一個震動感應sensor，系統會根據sensor量測到的訊號建立模態，內建的機器學習演算法自動對運作模態做追蹤，無須專家就能夠自動診斷機器人的健康狀態。同時也可以將相關的診斷結果透過內建的IoT Studiio(物聯網通訊軟體)傳送的Internet、雲端、Edge Server。

AI家教-程式修正機器人 – For Python programming，在程式設計教學時，學生需要重覆練習，程式修正機器人以AI增強式學習演算法，訓練機器人找出Python程式碼錯誤，進行邏輯與語法錯誤分析，提出修改進建議，因此可提高初學者學習效果，減輕教師人力負擔。開發完成的程式修正機器人，結合公司自主開發的遠距實作智慧教室系統，以結合遠距教學與虛擬教室，可不受時間、空間、疫情影響，老師即時授課與互動，且進行軟硬體環境快速建置，節省硬體成本及軟體衝突。公司產品平台解決方案有五大特色：即時影音互動式教學、專屬使用者雲端實作環境、虛擬教室監控與輔導模式、智慧教師創新偵錯模式、即時分組討論與問答模式。

台灣大哥大旗下的線上音樂與影視串流平台 (myMusic & myVideo)，利用個人化影音推薦技術解決內容與用戶數不斷成長所導致的媒合效率偏低問題。 提供技術的工研院巨資中心透過巨量資料分析平台處理大量內外部異質性影音內涵資料、中繼資料、用戶行為資料；結合用戶偏好分析、內容導向推薦、協同過濾推薦以及多種統計與機器學習方法，建構可滿足個人化推薦運算之複合式推薦系統，同時改善過去由PM人為決定推薦內容的作法。