- Tas nodrošina audio aprakstus reāllaikā, izmantojot kameru un Gemini Live.
- Tas ietver palīdzību mobilās ierīces kadrēšanas noteikšanā un papildu jautājumu uzdošanā.
- Tas ir izstrādāts kā piekļuves rīks neredzīgiem vai vājredzīgiem cilvēkiem.
- Nepieciešama Android 9 vai jaunāka versija, un tā neaizstāj tradicionālos mobilitātes palīglīdzekļus.
Iedomājieties, ka varat kabatā nēsāt kādu, kurš reāllaikā precīzi apraksta, kas notiek jums apkārt. Nu, būtībā tieši to Google ir paveicis, integrējot Vadīta redze Gemini Live ietvarosŠī funkcionalitāte lauž tradicionālo jautājuma rakstīšanas un atbildes gaidīšanas dinamiku, tagad ļaujot mums mijiedarboties ar mākslīgo intelektu, vienkārši parādot tam pasauli caur kameras objektīvu.
Šis rīks nav vienkāršs statisks fotoattēlu analizators, bet gan piedāvā plūstoša un dinamiska saruna pamatojoties uz datorredzi. Lai gan tam ir milzīgs potenciāls ikvienam, kam nepieciešama palīdzība ar vizuālām detaļām, tā būtība un raison d'être ir pieejamība neredzīgiem cilvēkiem vai ar ierobežotu redzi, cenšoties padarīt vidi daudz saprotamāku un pārvaldāmāku, izmantojot precīzas audio instrukcijas.
Kā tieši šī tehnoloģija darbojas?
Process ir diezgan vienkāršs: lietotājs aktivizē funkciju un koplietot kameras signālu ar Gemini Live. Pēc tam mākslīgais intelekts analizē tiešraides attēlu, un lietotājs var uzdot jebko par redzēto. Visspēcīgākā funkcija ir tā, ka tā ļauj jums veikt papildu jautājumiCitiem vārdiem sakot, ja Gemini identificē ievārījuma bundžu, varat nekavējoties pajautāt, kāds ir derīguma termiņš vai kādas sastāvdaļas tajā ir, bez nepieciešamības atkārtoti sākt vaicājumu.
Atšķirībā no citiem rīkiem, Guided Vision spēj vadīt mobilā tālruņa kadrēšanuJa ierīce ir vērsta pārāk augstu, pārāk tuvu objektam vai nedaudz novirzīta no centra, asistents sniegs jums mutiskus norādījumus, lai to labotu. pielāgot tālruņa pozīcijuTas nodrošina, ka mākslīgajam intelektam ir nepieciešamā vizuālā informācija, lai izvairītos no kļūdām aprakstā.
Praktiski rīki ikdienas dzīvei
Lietojumprogrammas ir neticami daudzveidīgas un skar ļoti ikdienas jautājumus, kas mums dažkārt šķiet sarežģīti. Piemēram, tas ir ideāli piemērots lasīt mazos burtus uz uztura etiķetēm vai zāļu lietošanas instrukcijām, kur tas nav viegli redzams. Tas ir arī ļoti noderīgi atrast pazaudētus priekšmetusVarat pārvietot tālruni pa istabu un lūgt tam brīdināt, kad tas, piemēram, konstatē uz grīdas nokritušas austiņas vai piparu trauciņu virtuvē, kas pilna ar burkām.
Turklāt rīks iedziļinās subjektīvākā un estētiskākā teritorijā. Vadītā redze var atpazīt raksti, formas un krāsasTātad jūs varētu viņai pajautāt, vai svītrains krekls labi piestāv konkrētām biksēm, vai vienkārši uzzināt, kādā krāsā ir apģērba gabals. Viņa pat var izdarīt vispārīgs uzturēšanās apraksts nezināms vai detalizēti aprakstīts, kādas lietas atrodas uz galda.
Android konfigurācija un saderība
Lai sāktu, vistiešākais veids ir atvērt lietotni Gemini, doties uz profila iestatījumiem un atlasiet opciju, lai izmantotu vadīto redzi tiešraidē. Kad tas ir izdarīts, vienkārši atveriet Gemini Live un kopīgojiet kameru. Tiem, kas meklē lielāku ātrumu, Google ir iekļāvis iespēju izveidot tieša piekļuve no pieejamības izvēlnes (Vizuālā palīdzība), kas ļauj to aktivizēt ar divu pirkstu žestiem, peldošo pogu vai vienlaikus nospiežot abas skaļuma pogas.
Runājot par tehniskajām prasībām, funkcija darbojas nevainojami ierīcēs ar Android 9 vai jaunākas versijasar nosacījumu, ka Gemini Live ir pieejams lietotāja valodā un reģionā. Ir svarīgi, lai būtu gan operētājsistēma, gan Gemini lietotne. atjaunināts uz jaunāko versijuTurklāt tā ir pilnībā integrēta ar Google TalkBack lai maksimāli palielinātu lietotāju ar redzes traucējumiem autonomiju.
Izstrādes process un drošības brīdinājumi
Šis progress nav nejaušības, bet gan ciešas sadarbības rezultāts. Aira, vizuālās interpretācijas eksperteLai nodrošinātu sistēmas patiesu uzticamību, tika izmantoti tūkstošiem stundu reālās pasaules datu un vairāk nekā 1.000 testētāju no Uzticamo testētāju tīklanodrošinot, ka mākslīgais intelekts saprot, kāda informācija cilvēkam ikdienas situācijā patiešām ir nepieciešama.
Tomēr ir viens punkts, kurā Google ir nelokāms: šis rīks tā nav medicīnas ierīce nedz arī drošības sistēma. Uzņēmums brīdina, ka Guided Vision var pieļaut kļūdas un tāpēc To nedrīkst izmantot navigācijai. uz ielas, atklāt šķēršļus ceļā vai aizstāt pavadoņsuņa vai spieķa funkciju. Tā mērķis ir papildu vizuālā palīdzībanevis drošas mobilitātes ceļvedis.
Šī reāllaika redzes integrācija iezīmē paradigmas maiņu, kur mēs vairs nepielāgojamies tālruņa saskarnei, bet gan mākslīgais intelekts pielāgojas mūsu videi. Apvienojot uzlabotu vizuālo atpazīšanu ar dabiskas balss saskarni, Google pārveido mobilo tālruni par inteliģents pavadonis spējīgs lasīt, identificēt un vadīt lietotāju jebkurā ikdienas situācijā.