experiments.withgoogle.com

Experiments with Google是什么网站?

Experiments with Google 是 Google 从 2009 年起用来展示技术实验项目的画廊网站，收录开发者用 Chrome、Android、AI、WebVR、AR 等技术做出的创意作品，同时提供工具和资源，目的是激发更多人动手做实验。

站上能看到什么

• 精选合集（Featured Collections）：按主题打包的实验集合，比如 TensorFlow Lite for Microcontrollers、Creatability、Digital Wellbeing Experiments、WebXR Experiments、AI Experiments、Chrome Experiments 等，共 17 个合集。
• 单个实验：例如 Look to Speak（用眼睛选择短语并朗读出来的 Android 应用）、Shared Piano（在网页上一起弹钢琴）、Teachable Machine（不用写代码就能训练机器学习模型）。
• 时间线回顾：从 2010 年的 The Wilderness Downtown 到 2022 年的 MRI of the Earth，按年份列出代表性实验。

适合谁、什么时候用

• 想找教学素材的老师：合集里的 Experiments for Learning 就是给老师、学生和家庭在家学习用的。
• 想找灵感或现成工具的开发者：可以看别人怎么把 AI、AR、WebXR 做成可玩的东西。
• 对交互创意感兴趣的一般用户：直接打开某个实验就能玩，不需要注册。

需要注意的现状

据页面说明，网站运营 14 年、累积了 1605 个实验后，定位已经改变：这里继续作为已有实验的存档画廊，而新的工具和玩具会转移到 labs.google。所以如果你要找 Google 最新的 AI 实验，应该去 labs.google，而不是这个站。

想找同类创意实验，还可以看看 Experiments with Google 本身，或 Labs.Google。

网站上的实验现在还能正常使用吗?

这个网站本身已经转为“归档画廊”，不再作为新实验的主阵地，但它收录的既有实验大多仍可打开体验；是否还能正常使用，取决于单个实验依赖的技术是否被浏览器淘汰。资料里明确写着：站点会继续作为所有既有实验的归档画廊，而新的动作转移到 labs.google。

现在能用到什么程度

• 可以浏览和进入：页面仍在展示 Featured Collections、Recent Experiments，以及 TensorFlow Lite for Microcontrollers、Creatability、Digital Wellbeing、WebXR、Arts & Culture、AR、AI、Android、Chrome 等 17 个合集。
• 单个实验仍可访问：例如 Look to Speak、Shared Piano、Teachable Machine 都保留了“Explore now”入口。
• 不一定全部兼容：这些实验横跨 Chrome、Android、AI、WebVR、AR 等技术，早期作品可能依赖已废弃的浏览器接口或旧设备权限。遇到打不开、麦克风/摄像头失效、VR 无法进入，属于这类归档站点的常见情况。

谁在什么情况下还值得用

• 想找教学素材：Experiments for Learning 合集面向教师、学生和家庭，适合课堂或自学场景。
• 想快速体验 AI：Teachable Machine 不需要写代码就能训练简单模型，适合第一次接触机器学习的人。
• 想做无障碍或音乐互动：Look to Speak 用眼睛选择短语并朗读，Shared Piano 支持在网页上一起弹琴。
• 想找灵感而非找新工具：把它当成 2009 年以来网络实验的案例库，比当成日常工具站更合适。

如果你要找“还在更新”的实验

资料给出的方向是 labs.google：新工具和新玩具会放在那里。也就是说，想要持续维护、持续新增的实验，应优先去 labs.google；experiments.withgoogle.com 更适合回看历史作品。

下一步

先打开你感兴趣的那个实验页面，而不是先判断整站是否可用。能打开就正常体验；打不开时，换用最新版 Chrome 或 Android 设备再试一次，仍不行就把它当作归档记录来看。

有哪些适合老师在课堂上使用的实验项目?

适合老师课堂使用的项目，可以优先看 Experiments with Google 里的 “Experiments for Learning” 和 “Creatability” 两个合集。前者面向教师、学生和家庭的学习场景，后者偏可访问性与表达方式探索，适合做课堂讨论或跨学科活动。

具体可用项目

• Teachable Machine：无需编程就能训练简单的机器学习模型。适合让学生用摄像头或图片做分类实验，理解“训练数据—模型—预测”的关系。
• Shared Piano：在网页上多人实时弹琴。适合音乐课、线上协作或课间互动，不需要安装软件。
• Look to Speak：用眼睛选择预设短语并朗读的 Android 应用。适合讲辅助技术、包容性设计，或让学生体验不同交流方式。
• TensorFlow Lite for Microcontrollers 合集：展示在微控制器上跑机器学习的可能性。更适合高年级或创客类课程，用来引出“AI 不只在云端”的概念。
• Chrome Music Lab、Quick, Draw!：虽然不在 “Experiments for Learning” 合集中，但常被老师用于音乐、绘画和快速分类的课堂活动，操作门槛低。

怎么选

• 想快速开始、少准备：选 Teachable Machine 或 Quick, Draw!。
• 想让学生协作：选 Shared Piano。
• 想讲科技与人文、辅助技术：选 Look to Speak 或 Creatability 合集。
• 想结合硬件或创客课程：看 TensorFlow Lite for Microcontrollers。

如果是要找最新 AI 实验，资料里提到可以转到 labs.google；但课堂使用仍可先从上述已有项目入手，因为它们有明确的教学场景和较低的使用门槛。

如何用Teachable Machine创建自己的机器学习模型?

Teachable Machine 是 Experiments with Google 上收录的一个实验项目，定位是“无需写代码”就能训练机器学习模型。它的典型用法是：你提供样本（摄像头画面、上传的图片或声音片段），它自动完成训练，然后你就能用模型做实时识别。

用它做什么

• 图像分类：例如用摄像头分别拍下“石头/剪刀/布”的手势，训练后实时判断你出的是什么。
• 声音分类：例如录几段“拍手”“口哨”“安静”的音频，做成能响应声音的互动。
• 姿势识别：用身体动作控制网页小游戏或动画。

谁在什么情况下用

• 老师带学生做 AI 入门课：不装环境、不写训练代码，一节课内能跑通“采集数据—训练—测试”全流程。
• 想快速验证一个交互点子：例如做一个“看到你举手就播放音乐”的网页原型。
• 内容创作者做演示视频：训练过程可视化，适合讲解“模型是怎么学会的”。

大致流程

1. 打开 Teachable Machine，选择项目类型（图像、音频或姿势）。
2. 为每个类别采集样本，类别名就是模型输出的标签。
3. 点训练，等待模型生成。
4. 在预览区实时测试，确认识别效果后再导出。

导出与下一步

模型可以导出为 TensorFlow.js、TensorFlow Lite 等格式，嵌入自己的网页或应用；也可以直接使用它提供的分享链接。如果只是想让模型在网页里跑起来，选 TensorFlow.js 导出最省事；要放到手机或边缘设备上，则选 TensorFlow Lite。

选择条件

• 想零代码、快速出结果：直接用 Teachable Machine。
• 想深入调参、做更复杂的模型：把它当作原型工具，之后转到 TensorFlow 等框架继续。
• 想找同类灵感：可一并看 Experiments with Google 上的 AI Experiments 合集，里面还有 Quick, Draw! 等互动项目。

Look to Speak这款应用是怎么帮助语言障碍人士的?

Look to Speak 是一款 Android 应用，让行动和语言表达受限的人用眼睛来“说话”。它的做法是把手机变成眼动选择器：屏幕上左右排列常用短语，用户通过眼球看向左侧或右侧来完成选择，选中的短语会被手机朗读出来。

具体使用情境：

• 用户把手机固定在面前合适的位置，让前置摄像头能看到眼睛。
• 屏幕上一次显示一组短语（例如“你好”“我累了”“请帮我”），左右各一条。
• 眼球看向某一边，应用识别视线方向并选中该短语，随后用语音读出。
• 短语可以按个人需要替换、排序，方便不同场景下快速表达。

它的意义在于：对无法用手操作屏幕、也难以开口说话的人，这是一种不依赖手部动作的沟通方式，能在日常照护、就医、社交等场合传达基本需求。需要注意的是，它输出的是预设短语，而不是自由打字或任意造句，所以更适合高频、固定的表达需求。

想进一步了解或试用，可访问 Experiments with Google 上的 Look to Speak 页面；同站点还有多个辅助与学习类实验，可作为对照参考。

TensorFlow Lite for Microcontrollers可以用来做哪些项目?

TensorFlow Lite for Microcontrollers 是面向微控制器（MCU）的轻量级推理框架。在 Experiments with Google 上，它被单独列为一个实验合集，用来展示“在微控制器上能做出什么”的可能性。Experiments with Google

它适合做什么

• 手势/动作识别：用加速度计、陀螺仪数据在 MCU 上跑小型模型，识别挥手、画圈等动作。
• 语音唤醒与关键词识别：在低功耗设备上做“Hey”类唤醒词或简单命令词检测，不必把音频传到云端。
• 传感器异常检测：在本地判断振动、温度、电流等信号是否偏离正常范围。
• 简单视觉分类：配合低分辨率摄像头，做“有人/没人”“物体有无”这类轻量判断。
• 嵌入式交互装置：把模型放进玩具、穿戴设备、家居小物件里，让它们对声音、动作或环境变化做出反应。

谁在什么情况下用它

• 想做离线运行、低功耗、低成本的嵌入式 AI 原型，而不是依赖手机或服务器。
• 已经用 Arduino、Raspberry Pi Pico 等 MCU 开发板做硬件项目，想加上“会识别”的能力。
• 教学或工作坊场景，需要让学生直观看到“模型怎么跑在真实硬件上”。

选择条件

如果项目对算力、内存要求高，或需要复杂图像识别，MCU 版并不合适，应改用手机端或云端方案。反之，如果需求是小模型、低延迟、不联网，它就比较匹配。

下一步

可以先去该合集的页面看它收录的实验案例，再对照自己的传感器类型和开发板，判断是否属于它展示过的范围。Experiments with Google