Insta360 GO Ultra 新增Kira：由Qwen和Gemini驱动的AI语音助手

引言

Insta360正准备将GO Ultra口袋相机打造成超越免手持录制设备的智能产品。

该公司已预告了Kira，一款专为GO Ultra设计的全新AI语音助手。Insta360中国官网已上线“Hey, Kira”活动页面，活动定于2026年8月5日晚上8:00举行，而其当前的GO Ultra产品页面也已将语音问答和实时翻译作为相机新增AI旅行功能进行推广。

据援引知情人士的媒体报道，该语音助手将根据不同地区使用不同的基础模型：

• 中国大陆： 阿里巴巴的Qwen模型。
• 港澳台及海外市场： Google Gemini。

据报道，该系统将Insta360自有的语音助手技术与第三方多模态模型相结合。简单的语音识别和意图检测在设备端完成，而更复杂的任务——包括问答、翻译和相机模式切换——则通过云服务处理。

翻译后的响应可直接通过相机内置扬声器播放。

Kira的广泛功能现已得到Insta360官方预告片和产品页面的支持。具体的Qwen/Gemini路由分配以及详细的端侧/云端分工仍主要来自媒体报道；在本文撰写时，Insta360、阿里巴巴和谷歌尚未发布完整的联合技术公告。

Kira将率先登陆GO Ultra

GO Ultra是首款公开与Kira关联的Insta360产品。

Insta360于2025年8月21日面向全球发布该相机，作为其小型可穿戴GO系列的最新成员。独立相机重量为53克，可磁吸安装在衣物、配件、车辆或其他表面上。

其官方规格包括：

GO Ultra 功能	官方规格
重量	独立相机53克
最高视频分辨率	4K @ 60fps
传感器	1/1.28英寸
处理器	5nm AI芯片
最高照片分辨率	5000万像素
独立续航	最长70分钟
搭配Action Pod续航	最长200分钟
快充	约12分钟充至80%
存储	可拆卸microSD卡，最大2TB
防水性能	独立相机支持10米防水
最大视角	156°

原始AIBase报道称，标准套装在中国大陆售价为人民币2,598元。在海外发布时，Insta360将标准套装标价为449.99美元。当前零售价格可能因国家、套装、促销活动和日期而异。

相机已内置常规语音控制功能。Kira 旨在将这种交互从一小组固定命令扩展为更广泛的对话式助手。

从固定语音指令到 AI 助手

在 Kira 之前，GO Ultra 的官方手册记录了一项传统的语音控制功能。

该功能支持英语、中文和日语，并可识别以下命令：

拍照
开始录制
停止录制
标记此处
关闭相机

当用户双手被占用时，该系统非常实用，但它基于命令运行。

相机会侦听已知短语，并将其映射到预定义的操作。

Kira 被定位为一种不同类别的交互方式。

它不再仅响应固定命令，而是被期望支持：

• 开放式语音提问。
• 实时翻译。
• 通过相机进行语音回答。
• 更灵活的相机操作。
• 旅行或拍摄过程中的情境感知请求。

Insta360 当前产品页面将该体验概括为AI 旅行伙伴，可在用户移动过程中翻译对话并回答问题。

这更接近多模态 AI 助手，而非普通的相机控制菜单。

通过相机扬声器实时翻译

翻译是已确认的最明确的 Kira 使用场景。

该工作流程旨在让相机参与面对面对话：

1. 用户激活助手。
2. 相机捕捉语音输入。
3. 请求被识别并解析。
4. 云端模型生成翻译。
5. 翻译结果通过相机扬声器播放。

因此，相机同时充当输入设备和输出设备。

旅行者不再需要：

• 拿出手机。
• 打开翻译应用。
• 将屏幕举在两人之间。
• 将文本复制到其他服务中。
• 来回传递设备。

本文所审查的官方材料中并未完整记录支持的确切语言、延迟、离线行为和对话限制等细节。

这些内容应在 Insta360 发布最终 Kira 支持文档后进行核实。

出行中的语音问答

Insta360 还表示该 AI 助手可以回答问题。

这创造了更广泛的旅行和拍摄场景。

用户可能会询问：

• 某个地点。
• 环境中的某个物体。
• 某个翻译短语。
• 某项拍摄设置。
• 一般性旅行问题。
• 下一步相机操作。

原始媒体报道称该助手具备多模态模型能力，但未提供足够的技术细节来确认究竟哪些视觉上下文会被发送到模型中。

目前尚不清楚 Kira 是否始终能够对以下内容进行推理：

• 实时相机预览。
• 已拍摄的照片。
• 最近的视频。
• 仅音频。
• 相机状态和设置。

“多模态”一词暗示该系统设计为支持文本之外的多种输入形式，但最终的输入管道和隐私控制仍需官方文档加以说明。

中国大陆据称使用阿里通义千问

区域部署策略是该报道中最值得关注的要点之一。

在中国大陆，Kira

预计将使用阿里巴巴的 Qwen 模型系列。

Qwen 包含语言、视觉、音频、翻译、编程、推理和智能体模型。阿里巴巴通过自有平台提供开放权重模型和托管 API。

这使得 Qwen 成为相机助手的实用基础，因为其可能需要：

• 理解自然语音请求。
• 解析视觉上下文。
• 翻译语言。
• 生成简洁答案。
• 触发工具或相机功能。

媒体报道将该合作描述为以下组合：

Insta360 自研助手框架
+
Qwen 多模态模型能力

这种表述表明，Insta360 并非简单地在相机中嵌入一个通用的 Qwen 聊天界面。

相反，该公司似乎正在围绕模型构建自己的产品层，包括：

• 唤醒和语音交互。
• 设备控制。
• 意图路由。
• 相机专属工具。
• 区域云接入。
• 语音输出。

在本文撰写时，阿里巴巴尚未发布详细的技术案例研究，以确认 Kira 所使用具体 Qwen 模型。

因此，更稳妥的说法是，大陆版本据报道使用 Qwen，而非指明具体的 Qwen 检查点或 API。

其他地区据报使用 Google Gemini

对于香港、澳门、台湾及国际市场，媒体报道称 Kira 将使用 Google Gemini。

Gemini 是谷歌的多模态模型系列，支持文本、图像、音频、视频和工具的组合，覆盖谷歌的消费级和开发者产品。

从基础设施角度来看，这种区域划分是可以理解的。

一家全球硬件公司必须考虑：

• 模型可用性。
• 网络访问。
• 数据驻留。
• 延迟。
• 语言覆盖。
• 监管要求。
• 商业协议。
• 区域云基础设施。

在中国大陆使用一家模型提供商，在国际市场使用另一家，可以减少可用性和合规性问题。

然而，最终模型版本、端点、数据处理策略和区域覆盖范围尚未在完整的官方 Kira 规格中公布。

该报道不应被解读为确认每一条海外 GO Ultra 请求都会发送到某个特定的公开 Gemini 模型。

端侧与云端混合架构

知情人士将 Kira 描述为一个混合系统。

部分工作在 GO Ultra 本机完成，而更复杂的模型任务则发送至云端。

据报端侧任务

报道称设备负责：

• 声纹或说话人识别。
• 初步意图检测。
• 语音指令的本地预处理。

在端侧进行早期处理有助于：

• 更快的唤醒。
• 更低的延迟。
• 减少不必要的云端请求。
• 基本的身份或指令过滤。
• 继续访问简单的相机控制功能。

据报云端任务

云端据称负责：

• 开放式问答。
• 更复杂的意图理解。
• 需要智能体逻辑的相机模式切换。
• 翻译。
• 多模态模型处理。

云端模型的算力远高于一台 53 克的相机。

它可以支持更强的语言理解和更多

无需在设备内置大型本地模型即可实现复杂推理。

为何这种拆分很重要

混合设计需要在多重约束之间取得平衡：

约束条件	设备端处理	云端处理
响应延迟	简单任务表现更佳	取决于网络状况
计算能力	有限	更强大
离线可用性	部分功能可支持	通常不可用
隐私	数据可留在本地	数据可能离开设备
模型质量	较小型本地系统	前沿多模态模型
功耗	消耗相机电池	将模型计算转移至服务器

具体的划分方式目前仅有相关报道，Insta360 尚未发布完整文档说明。

在官方隐私政策和支持页面公布之前，用户不应轻易假设哪些音频、图像或设备信息会保留在本地。

相机变身 AI 硬件接口

GO Ultra 最初的设计初衷是解放双手的影像拍摄。

其磁吸式外形使其在用户不便操作手机或触摸屏的场景中尤为实用：

• 骑行
• 跑步
• 徒步
• 滑雪
• 家庭记录
• 旅行
• 第一人称拍摄
• 极限运动

语音交互与该产品形态高度契合。

一台佩戴在身上的相机已经具备：

• 对环境视野的捕捉
• 麦克风
• 扬声器
• 处理器
• 电池
• 通过其生态系统实现的网络连接
• 对相机设置和录制模式的访问权限

Kira 将这些组件转化为 AI 服务的交互界面。

重要的变化并不在于相机本地内置了完整的前沿模型。

而在于相机成为运行在设备端和云端的模型的专用传感器与控制端点。

为什么相机助手不同于手机助手

智能手机已经能够提供翻译和语音问答功能。

Kira 的价值在于减少用户使用相机时的操作摩擦。

用户可能已经佩戴着相机

GO Ultra 可以夹在衣物或配件上。

用户在说话前无需再拿出另一台设备。

助手有可能控制录制功能

手机助手或许能回答问题，但它不会自动理解相机当前的模式或录制状态。

Kira 的定位是将 AI 推理与相机控制连接起来。

相机已经正对拍摄场景

相比放在口袋里的手机，穿戴式相机可能拥有更有用的视觉上下文。

Kira 是否在每次交互中都使用该实时上下文信息，官方尚未明确说明。

语音输出保持全程免提

内置扬声器可以直接返回答案或翻译内容，用户无需阅读屏幕。

这在运动过程中非常实用，不过在嘈杂或私密环境中，语音输出可能不太方便。

Kira 是更广泛 AI 升级的一部分

Insta360 当前的 GO Ultra 产品页面将语音助手与另一项 AI 功能 Moments Pro 并列展示。

页面说明该助手可处理语音问答和翻译，而 Moments Pro 可将拍摄素材转化为一部完整的旅行短片。

这反映了两条不同的

AI在相机硬件中的应用：

1. 拍摄过程中的AI

   • 语音指令。
   • 翻译。
   • 提问。
   • 相机操作。

2. 拍摄后的AI

   • 片段筛选。
   • 剪辑。
   • 生成精彩集锦。
   • 整理回忆。

GO Ultra已经搭载了一颗用于图像处理的5nm AI芯片，并具备PureVideo和Insta360应用内自动剪辑等功能。

Kira将AI从图像增强和后期制作扩展到了实时交互。

官方已确认的内容

现有信息来自不同级别的证据。

声明	当前状态
Insta360已预告“Hey, Kira”将于8月5日发布	已由Insta360官方资料确认
GO Ultra是首个与该助手关联的产品	已由官方预告片和产品页面确认
该助手支持语音问答	已在官方产品页面确认
该助手支持实时翻译	已在官方产品页面确认
答案或翻译可通过相机播放	媒体报道；与产品设计一致
中国大陆使用阿里巴巴通义千问	媒体及知情人士报道
其他地区使用Google Gemini	媒体及知情人士报道
声纹识别和意图检测在本地运行	媒体报道
复杂问答、模式切换和翻译在云端运行	媒体报道
已明确具体使用的通义千问或Gemini模型版本	未确认
Kira完全离线运行	未确认
Kira对每个问题都处理实时摄像头画面	未确认
Kira所有功能在所有地区和语言中均可用	未确认

隐私与连接问题仍需解答

AI相机助手可能会处理敏感信息。

根据最终设计，Kira可能会涉及：

• 语音录音。
• 说话者身份。
• 与位置相关的问题。
• 视觉场景。
• 周围人群。
• 翻译对话。
• 相机设置。
• 账户和设备标识符。

在敏感环境中使用该功能之前，用户应查阅Insta360的最终文档，了解：

• 哪些数据会被上传。
• 音频是否会被保留。
• 图像或视频帧是否会被发送到云端。
• 哪个模型提供商接收请求。
• 数据存储区域。
• 账户要求。
• 删除控制。
• 儿童和旁观者的隐私。
• 企业或专业用途的限制。

混合架构可以通过本地处理过滤不必要的数据来改善隐私，但“设备端”并不意味着整个交互过程都留在相机上。

据报道的设计明确将复杂任务发送到云端模型。

现有的语音控制功能可能仍将继续发挥作用

Kira 不应与相机现有的固定指令系统混淆。

简单的语音控制可能很有用，因为它可以提供：

• 可预测的指令。
• 更低的延迟。
• 更少的网络依赖。
• 更小的隐私足迹。
• 在重复拍摄流程中更易操作。

云 AI 助手提供了更大的灵活性，但会引入：

• 网络延迟。
• 连接要求。
• 模型不确定性。
• 更多的隐私考量。
• 可能的使用限制。

理想的产品可能同时保留两层：

固定的本地指令
→ 即时相机操作

开放式的 Kira 请求
→ AI 解析与云端处理

Insta360 的最终发布说明应明确哪些指令保持本地执行，以及用户如何在传统语音控制和 Kira 之间切换。

正式发布后需要检查的事项

由于 AIBase 文章是在 8 月 5 日晚间活动之前发布的，因此一些实际细节仍然缺失。

用户应查看最终固件和支持页面，以确认：

1. 固件版本
2. 支持的地区
3. 支持的语言
4. 账户和应用要求
5. 网络要求
6. 唤醒词
7. 翻译限制
8. 数据和隐私控制
9. 对电池的影响
10. 支持的相机模式
11. 是否需要独立相机或 Action Pod
12. 在未来 Insta360 产品上的可用性

这些细节将决定 Kira 是实用的日常功能，还是主要作为 AI 相机整合的早期演示。

常见问题

Insta360 GO Ultra 上的 Kira 是什么？

Kira 是为 GO Ultra 口袋相机推出的 AI 语音助手。Insta360 表示它支持语音问答和实时翻译，扩展了相机现有的固定语音指令。

Kira 更新何时上线？

Insta360 中国官网宣传了 2026 年 8 月 5 日晚 8 点的“Hey, Kira”活动。AIBase 的报道是在当天上午发布的，因此最终的固件细节在来源中尚未公布。

GO Ultra 是否使用阿里通义千问？

媒体报道称，中国大陆版 Kira 使用阿里巴巴通义千问多模态模型能力。截至本文撰写时，Insta360 和阿里巴巴尚未发布完整的联合技术公告，未指明具体使用的通义千问模型。

Kira 在中国大陆以外是否使用 Google Gemini？

据报道，香港、澳门、台湾及海外版本使用 Google Gemini。具体的 Gemini 模型、端点和完整的地区可用性尚未得到官方确认。

GO Ultra 能否朗读翻译对话？

Insta360 官方产品页面宣传实时翻译功能，媒体报道称翻译结果可通过相机扬声器播放。支持的语言和操作限制应在最终的 Kira 文档中确认。

Kira 和 GO Ultra 语音控制一样吗？

不一样。现有的语音控制仅识别英语、中文和日语中有限的一组固定指令。Kira 旨在提供更广泛的自然语言问答、翻译和更灵活的助手行为。

Kira 在无网络时能否工作？

连接？

所报道的架构在设备上执行部分识别和意图处理，但将复杂任务发送到云端。完全离线的 Kira 操作尚未得到确认。

哪些 GO Ultra 硬件支持 Kira？

消息来源和官方预告确认现有 GO Ultra 系列为首款支持的硬件。用户应在最终版本发布后核实所需的固件、地区、应用版本和 Action Pod 要求。

相关工具

• Insta360 GO Ultra：搭载 Kira AI 语音助手的紧凑型 4K60 口袋相机。
• Insta360 App：Insta360 的移动应用，用于相机连接、固件更新、编辑和内容管理。
• Qwen：阿里巴巴的多模态 AI 模型和助手生态系统，据报道在中国大陆由 Kira 使用。
• Qwen API 平台：阿里巴巴的官方 API 平台，用于使用 Qwen 模型构建应用。
• Google Gemini：谷歌的多模态 AI 助手和模型生态系统，据报道在国际市场由 Kira 使用。
• Google AI for Developers：官方 Gemini API 和开发者文档。

相关链接

• Insta360 GO Ultra 官方产品页面：当前功能、规格、套装以及官方 AI 旅行助手描述。
• 官方 GO Ultra 发布文章：Insta360 的原始产品公告，涵盖硬件、影像、电池、存储和首发价格。
• GO Ultra 语音控制文档：Kira 之前官方支持的语言和固定语音命令。
• GO Ultra 常见问题解答：相机和 Action Pod 的官方操作指南。
• Qwen 官方网站：阿里巴巴官方 Qwen 产品和研究门户。
• Qwen 多语言翻译概述：关于 Qwen 多语言翻译模型系列的官方信息。
• Gemini API 文档：谷歌针对 Gemini 多模态模型和 API 的官方文档。

摘要

Insta360 正在将 Kira AI 语音助手引入 GO Ultra，为这款此前主要依赖固定语音命令的相机增添了开放式语音问答和实时翻译功能。

官方预告片和 GO Ultra 产品页面确认了这一广泛的助手体验。媒体报道补充了区域模型策略：中国大陆使用 Qwen，香港、澳门、台湾及海外市场使用 Gemini。

所报道的架构将 Insta360 自有的助手框架与本地识别和基于云的多模态处理相结合。这种方法使一台 53 克的 Pocket 相机能够访问更强大的模型，而无需尝试在本地运行整个助手。

重要细节仍有待确认，包括模型版本、支持的语言、离线限制、数据处理，以及

Kira 提供精确的相机控制。

关键变化在于，GO Ultra 正从一款由语音指令控制的相机，演变为一个 AI 硬件终端，可以通过自然对话来聆听、翻译、回答，并可能操控相机。