據谷田介紹，如何將新型視頻會議系統擬人化，以貼近人工智能需求，是雅馬哈PJP系列倡導的最新網絡會議技術理念。這些理念將通過瞬間呈現技術、聲音非增幅音響設計、內置適應型回聲消除器等一系列技術得以體現。

　　假如甲地和乙地一起舉行遠程視頻會議，甲地人員如何清楚確定乙地哪位與會者正在發言（視頻追蹤）十分重要。在處理這一問題上，思科、北電—寶利通采取的措施霸氣十足：打造一個30萬美元以上的網真會議室，租用超寬帶寬傳輸聲音和圖像，用超大電視墻1∶1地還原場景和參會者；而蘇州科達等國內企業的做法相對經濟實惠：用甲地員工手中的遙控器去控制乙地會議室攝像頭的轉動和焦距調節，尋找小顯示屏幕一次裝不下的參會者或給出特寫鏡頭。總體來說，這兩種做法都使用的是“尋聲辨人”的方式，但用的是人眼搜索。

　　雅馬哈給這一問題增加了一條技術解決路徑，那就是使攝像頭學會尋聲辨人。谷田向記者介紹道：“不要忽略人類都是‘尋聲望去’這一聽覺的天性，在視頻會議系統中，視頻顯示與聲音的處理技術其實是密不可分的。以PJP-300V這款攝像頭、麥克風、揚聲器一體機為例，它可以實現說話人瞬間顯示的功能。即使使用普通液晶屏幕，會議發言人的特寫和聲音也能瞬間呈現。”這項技術的實現，依靠的是在PJP-300V上面配列16個麥克風陣列，可以自動判別說話人的位置；通過說話人的位置信息和3個攝像機的切換、聯動，使說話人可以瞬間在屏幕上顯示出來。這項技術不需要攝像頭的切換動作，保證了會議順暢進行。同時這項瞬間呈現技術，在桌面型VoIP電話中也可以應用，使音頻會議呈現立體感，實現與語話者座位的匹配。