گوگل قابلیت Guided Vision را برای کمک به کاربران نابینا و کمبینا به Gemini Live افزود
گوگل Guided Vision را در Gemini Live برای دستگاههای اندرویدی سازگار عرضه کرده؛ قابلیتی که با دوربین گوشی محیط و اشیا را بهصورت صوتی و لحظهای توضیح میدهد.

گوگل قابلیت Guided Vision را در Gemini Live روی دستگاههای اندرویدی سازگار عرضه کرده است؛ قابلیتی که با استفاده از هوش مصنوعی، آنچه دوربین گوشی به سمت آن گرفته شده را بهصورت صوتی و لحظهای برای کاربر توضیح میدهد.
این قابلیت برای کمک به افراد نابینا، کمبینا یا کاربرانی طراحی شده که در موقعیتهای خاص به توضیح دیداری نیاز دارند. Guided Vision میتواند در خواندن نوشتههای ریز، توصیف محیط اطراف، پیدا کردن یا شناسایی اشیا و توضیح جزئیات آنها به کاربر کمک کند.
کاربران میتوانند درباره چیزی که دوربین میبیند، سؤالهای تکمیلی بپرسند؛ برای نمونه از جمینای بخواهند تاریخ انقضای محصولی را که پیدا کرده بخواند. بر اساس توضیح گوگل، اگر شیء مورد نظر در قاب دوربین نباشد، جمینای میتواند با راهنمایی صوتی به کاربر کمک کند دوربین را در موقعیت مناسب قرار دهد.
Guided Vision علاوه بر اپلیکیشن جمینای، در Google TalkBack نیز در دسترس است و کاربران دستگاههای مجهز به اندروید ۹ و بالاتر میتوانند برای آن یک میانبر دسترسیپذیری در بخش Settings تنظیم کنند.
در Gemini Live، این قابلیت هنگام فعال بودن دوربین مانند یک همراه گفتوگومحور عمل میکند و اگر دوربین بیش از حد بالا، خیلی نزدیک یا متمایل به یک سمت باشد، با راهنمایی کلامی از کاربر میخواهد کادر تصویر را اصلاح کند؛ برای مثال دوربین را بهآرامی به سمت راست بچرخاند، آن را پایینتر بگیرد یا کمی عقب برود.
با وجود این، گوگل تأکید کرده که نباید از Guided Vision برای مسیریابی، راهنمایی سفر ایمن یا تشخیص موانع استفاده کرد. این قابلیت همچنین نباید جایگزین عصا یا سایر ابزارهای کمکحرکتی شود.
مطالب مرتبط
برای ادامه مطالعه
این یادداشتها بر اساس موضوع مشترک، همپوشانی برچسبها و تازگی انتشار انتخاب میشوند.

هشدار مدیرعامل Patmos درباره تمرکز قدرت هوش مصنوعی در سیلیکونولی
جان جانسون، مدیرعامل Patmos، نسبت به تمرکز بیش از حد قدرت هوش مصنوعی در دست شرکتهای بزرگ سیلیکونولی هشدار داد و خواستار غیرمتمرکز شدن زیرساختهای این فناوری شد.

VoiceStudio؛ جایگزین متنباز و محلی ElevenLabs برای شبیهسازی صدا و دوبله ویدیو
پروژه متنباز VoiceStudio در GitHub بهعنوان جایگزینی کاملاً محلی برای ElevenLabs معرفی شده و قابلیتهایی مانند شبیهسازی صدا، دوبله ویدیو، دیکته، رونویسی و ساخت کتاب صوتی را در ۶۴۶ زبان ارائه میکند.

نشست ترامپ با مدیران فناوری درباره آینده قانونگذاری هوش مصنوعی
دونالد ترامپ قرار است با حضور مقامهای ارشد آمریکا و مدیران شرکتهایی مانند متا، آنتروپیک، انویدیا و OpenAI درباره نوآوری، نظارت و نگرانیهای امنیتی هوش مصنوعی گفتوگو کند.
دیدگاهها
اولین نفری باش که دیدگاه میذاره