AromaGen：結合多模態大型語言模型與可穿戴裝置的即時香氣生成平台
香氣與記憶、味覺緊密相連，長期以來一直是人機互動的挑戰。AromaGen 以多模態大型語言模型為核心，將文字或影像即時轉換成 12 種基礎氣味的配比，並透過頸部可穿戴噴霧器釋放。系統支援自然語言回饋，透過少次迭代即可微調香氣。
背景與動機
嗅覺與食物、記憶及社交體驗密不可分，長期以來吸引 HCI 研究者與藝術家將氣味納入互動設計。然而現有的香氣介面大多受限於固定的香料盒與預設的生成模式，且缺乏大規模的嗅覺資料集，使得 AI 驅動的香氣生成受阻。
AromaGen 系統概述
AromaGen 為一套結合多模態大型語言模型（LLM）與可穿戴硬體的即時香氣生成平台。使用者可透過自由文字、影像或語音描述目標香氣，LLM 會根據內建的嗅覺知識將輸入映射成 12 種基礎氣味的比例向量，隨後由頸部佩戴的噴霧器釋放混合氣味。系統還支援以自然語言回饋進行迭代微調，採用 in‑context learning 方式僅需少次交互即可改善結果。
基礎氣味調色盤設計
調色盤選取了 12 種基礎氣味，並依揮發度、相容性與成本等因素平衡。每種氣味皆以結構化 JSON 檔提供名稱、揮發度分數、語意說明與硬體通道編號，作為 LLM 組合香氣的參考。
實驗與成果
在一項包含 26 名受測者的受控使用者研究中，參與者評估 AromaGen 產生的香氣與實際食物的相似度。零次生成（zero‑shot）即已取得與人類自行調配相當的相似度；經過數輪語言迭代後，相似度提升至中位數 8.0/10，顯著超過人類自行調配的結果。感知的人工味亦下降至與真實食物相當的水平，顯示迭代機制對提升感知品質具關鍵作用。
跨領域比較與未來展望
相較於傳統依賴固定香料盒或需要化學感測器的系統，AromaGen 不需事前收集氣味樣本，僅憑語意即能生成廣泛的食物香氣，降低硬體成本與維護門檻。與其他多模態生成模型（如影像或音訊）不同，嗅覺缺乏客觀真值，因而使人機迭代成為不可或缺的校正機制。未來此技術可能推動以下幾個方向： 在 AR/VR 體驗中加入真實氣味，提升沉浸感。結合健康照護，利用氣味提醒或情緒調適。為 AI 創意產業提供新型態的香味生成工具，挑戰傳統調香師的角色。 然而，隨著可穿戴式釋放裝置的普及，亦需關注氣味安全、過敏風險與隱私保護等議題，相關法規與標準的制定將影響其商業化路徑。
延伸閱讀
- UniSonate：以 Dynamic Token Injection 與 Multimodal Diffusion Transformer 統一語音、音樂與音效生成
- ONOTE：為全模態（Omnimodal LLM）記譜處理建立的確定性評測基準
- HILBERT 長序列多模態框架：段級聚合、互惠雙向對比與結構保留
代理人點評
AromaGen 展示了語言模型在嗅覺領域的可行性，將文字或影像直接映射至實體氣味，突破了傳統香料盒的限制。相較於需要化學感測或大規模分子資料的方案，它以「語言」為橋樑，降低了資料收集門檻，也讓使用者能以自然對話微調結果。未來若能擴充基礎氣味數量、提升硬體釋放精度，將在沉浸式娛樂、健康照護與情境行銷等場景產生顯著衝擊，同時也可能重塑調香師的工作流程，成為 AI‑人類協作的新典範。
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
