- Umožňuje zvukové popisy v reálnom čase prostredníctvom kamery a Gemini Live.
- Zahŕňa to pomoc s nastavením mobilného zariadenia a kladením doplňujúcich otázok.
- Je navrhnutý ako nástroj na uľahčenie prístupu pre nevidiacich alebo zrakovo postihnutých ľudí.
- Vyžaduje Android 9 alebo novší a nenahrádza tradičné pomôcky pre mobilitu.
Predstavte si, že by ste mohli nosiť vo vrecku niekoho, kto vám v reálnom čase presne popisuje, čo sa okolo vás deje. To je v podstate to, čo Google urobil integráciou Riadená vízia v rámci Gemini LiveTáto funkcia sa odchyľuje od tradičnej dynamiky písania otázky a čakania na odpoveď a teraz nám umožňuje interagovať s umelou inteligenciou jednoducho tým, že jej ukážeme svet cez objektív fotoaparátu.
Tento nástroj nie je jednoduchý statický analyzátor fotografií, ale skôr ponúka... plynulá a dynamická konverzácia založené na počítačovom videní. Hoci má obrovský potenciál pre každého, kto potrebuje pomoc s vizuálnymi detailmi, jeho srdcom a dôvodom existencie je prístupnosť pre nevidiacich alebo so zníženým zrakom, snažia sa o oveľa zrozumiteľnejšie a zvládnuteľnejšie prostredie prostredníctvom presných zvukových pokynov.
Ako presne táto technológia funguje?
Proces je pomerne jednoduchý: používateľ aktivuje funkciu a zdieľať signál kamery s Gemini Live. Odtiaľ umelá inteligencia analyzuje živý obraz a používateľ sa môže opýtať na čokoľvek o tom, čo vidí. Najsilnejšou funkciou je, že vám to umožňuje robiť nadväzujúce otázkyInými slovami, ak Gemini identifikuje konzervu zaváranín, môžete sa jej okamžite opýtať na dátum spotreby alebo na to, aké zložky obsahuje, bez toho, aby ste museli znova spúšťať dopyt.
Na rozdiel od iných nástrojov je Guided Vision schopný riadiť rámovanie mobilného telefónuAk zariadenie smeruje príliš vysoko, príliš blízko k objektu alebo je mierne mimo stredu, asistent vám poskytne slovné pokyny na opravu. upraviť polohu telefónuVďaka tomu má umelá inteligencia k dispozícii potrebné vizuálne informácie, aby sa predišlo chybám v popise.
Praktické nástroje pre každodenný život
Aplikácie sú neuveriteľne rozmanité a dotýkajú sa veľmi každodenných problémov, ktoré niekedy považujeme za náročné. Napríklad je ideálny na čítať malé písmená na nutričných štítkoch alebo v príbalových letákoch k liekom, kde to nie je ľahko viditeľné. Je to tiež veľmi užitočné pre lokalizovať stratené predmetyMôžete s telefónom pohybovať po miestnosti a požiadať ho, aby vás upozornil, keď zistí napríklad slúchadlo, ktoré spadlo na zem, alebo koreničku v kuchyni plnej pohárov.
Okrem toho sa nástroj ponára do subjektívnejšej a estetickejšej oblasti. Riadené videnie dokáže rozpoznať vzory, tvary a farbyTakže sa jej môžete opýtať, či sa pruhované tričko hodí k konkrétnym nohaviciam, alebo jednoducho zistiť, akej farby je daný odev. Dokonca môže urobiť všeobecný popis pobytu neznáme alebo podrobne uvedené veci ležia na stole.
Konfigurácia a kompatibilita so systémom Android
Najpriamejším spôsobom, ako začať, je otvoriť aplikáciu Gemini, prejsť do nastavení profilu a vyberte možnosť použitia riadeného videnia naživo. Keď to urobíte, jednoducho otvorte Gemini Live a zdieľajte kameru. Pre tých, ktorí hľadajú vyššiu rýchlosť, Google pridal možnosť vytvoriť priamy prístup z ponuky Prístupnosť (Vizuálna asistencia), ktorá umožňuje aktiváciu gestami dvoma prstami, plávajúcim tlačidlom alebo súčasným stlačením oboch tlačidiel hlasitosti.
Čo sa týka technických požiadaviek, funkcia beží hladko na zariadeniach s Android 9 alebo novšie verzieza predpokladu, že Gemini Live je k dispozícii v jazyku a regióne používateľa. Je nevyhnutné mať operačný systém aj aplikáciu Gemini. aktualizované na najnovšiu verziuOkrem toho bol plne integrovaný s Google TalkBack maximalizovať autonómiu používateľov so zrakovým postihnutím.
Proces vývoja a bezpečnostné upozornenia
Tento pokrok nebol výsledkom náhody, ale úzkej spolupráce s Aira, odborníčka na vizuálnu interpretáciuAby sa zabezpečila skutočná spoľahlivosť systému, boli potrebné tisíce hodín reálnych údajov a podpora viac ako 1 000 testerov zo siete Trusted Testerzabezpečenie toho, aby umelá inteligencia chápala, aké informácie človek skutočne potrebuje v každodennej situácii.
V jednom bode je však Google neoblomný: tento nástroj nie je to zdravotnícka pomôcka ani bezpečnostný systém. Spoločnosť varuje, že systém Guided Vision môže robiť chyby, a preto Nemalo by sa používať na navigáciu. na ulici, detekovať prekážky v ceste alebo nahradiť funkciu vodiaceho psa či palice. Jeho účelom je doplnková vizuálna pomocnie sprievodca bezpečnou mobilitou.
Táto integrácia videnia v reálnom čase predstavuje zmenu paradigmy, kde sa už neprispôsobujeme rozhraniu telefónu, ale umelá inteligencia sa prispôsobuje nášmu prostrediu. Kombináciou pokročilého vizuálneho rozpoznávania s prirodzeným hlasovým rozhraním spoločnosť Google transformuje mobilný telefón na... inteligentný spoločník schopný čítať, identifikovať a viesť používateľa v akejkoľvek každodennej situácii.