分是正在推演声音功能和图像功能，声音功能主要是区声音，因为每个人的声音会有自己的特点，比如说音域等，同时他也要让文字转化声音，管明不希望自己第一个人工智能只能用打字的方式交流。

图像功能则是利用摄像头辨识人脸功能，能让人工智能‘看’到管明，看到所有，然后通过声音-图像辨识出人、物来。

当然了，以管明现在能提供的硬件来说，无论是声音的精度还是图像的精确，方式都很简单也很粗狂，但功能存在了，就比没有强！