- Pinapayagan nito ang mga real-time na audio description sa pamamagitan ng camera at Gemini Live.
- Kabilang dito ang tulong sa pag-frame ng mobile device at pagtatanong ng mga karagdagang tanong.
- Ito ay dinisenyo bilang isang kasangkapan sa pag-access para sa mga bulag o may kapansanan sa paningin.
- Nangangailangan ng Android 9 o mas bago at hindi pinapalitan ang mga tradisyonal na pantulong sa paggalaw.
Isipin mong may dala kang tao sa iyong bulsa na kayang maglarawan nang eksakto kung ano ang nangyayari sa paligid mo sa totoong oras. Iyon talaga ang ginawa ng Google sa pamamagitan ng pagsasama ng Guided Vision sa Gemini Live , isang feature na bumabalik sa tradisyonal na dynamic ng pag-type ng tanong at paghihintay ng sagot, na ngayon ay nagbibigay-daan sa atin na makipag-ugnayan sa artificial intelligence sa pamamagitan lamang ng pagpapakita nito sa mundo sa pamamagitan ng lente ng camera.
Ang tool na ito ay hindi lamang isang static photo analyzer; nag-aalok ito ng isang maayos at dinamikong pag-uusap batay sa computer vision. Bagama't mayroon itong napakalaking potensyal para sa sinumang nangangailangan ng tulong sa mga detalyeng biswal, ang pangunahing layunin nito ay ang pagiging naa-access para sa mga bulag o may kapansanan sa paningin , na naglalayong gawing mas madaling maunawaan at mapangasiwaan ang kapaligiran sa pamamagitan ng tumpak na mga tagubilin sa audio.
Paano nga ba eksaktong gumagana ang teknolohiyang ito?
Medyo simple lang ang proseso: ia-activate ng user ang feature at ibinabahagi ang signal ng camera sa Gemini Live. Mula roon, sinusuri ng AI ang live na imahe, at maaaring magtanong ang user ng kahit ano tungkol sa kanilang nakikita. Ang pinakamakapangyarihang feature ay pinapayagan nito ang mga follow-up na tanong ; ibig sabihin, kung matukoy ng Gemini ang isang garapon ng mga preserve, maaari mo itong tanungin agad tungkol sa expiration date o mga sangkap nang hindi na kailangang i-restart ang query.
Hindi tulad ng ibang mga tool, kayang gabayan ng Guided Vision ang framing ng telepono . Kung ang device ay nakaturo nang masyadong mataas, masyadong malapit sa bagay, o bahagyang wala sa gitna, bibigyan ka ng assistant ng mga pahiwatig na pasalita para isaayos ang posisyon ng telepono . Tinitiyak nito na ang AI ay mayroong kinakailangang visual na impormasyon upang maiwasan ang mga pagkakamali sa paglalarawan nito.
Mga praktikal na kagamitan para sa pang-araw-araw na buhay
Ang mga aplikasyon ay lubhang iba-iba at tumutugon sa mga pang-araw-araw na sitwasyon na kung minsan ay maaaring maging mahirap. Halimbawa, mainam ito para sa pagbabasa ng maliliit na letra sa mga label ng nutrisyon o mga leaflet ng gamot kung saan hindi nakikita ng iyong mga mata. Kapaki-pakinabang din ito para sa paghahanap ng mga nawawalang bagay ; maaari mong ilipat ang iyong telepono sa paligid ng silid at hilingin dito na alertuhan ka kapag natukoy nito, halimbawa, ang isang earbud na nahulog sa sahig o ang pepper shaker sa isang kusinang puno ng mga garapon.
Bukod pa rito, sinisiyasat ng tool ang mas subhetibo at estetikong mga larangan. Nakikilala ng Guided Vision ang mga pattern, hugis, at kulay , kaya maaari mo itong tanungin kung ang isang guhit na kamiseta ay bagay sa partikular na pantalon o alamin lamang kung anong kulay ang isang damit. Maaari pa nga itong magbigay ng pangkalahatang paglalarawan ng isang hindi pamilyar na silid o tukuyin ang mga bagay sa isang mesa.
Pag-configure at pagiging tugma ng Android
Para makapagsimula, ang pinakadirektang paraan ay buksan ang Gemini app, pumunta sa mga setting ng iyong profile, at paganahin ang opsyong gamitin ang Live Guided Vision. Kapag nagawa mo na ito, buksan lamang ang Gemini Live at ibahagi ang iyong camera feed. Para sa mga naghahanap ng mas mabilis na access, isinama ng Google ang opsyong gumawa ng shortcut mula sa Accessibility (Vision) menu, na nagbibigay-daan sa iyong i-activate ito gamit ang mga galaw na may dalawang daliri, ang floating button, o sa pamamagitan ng pagpindot sa parehong volume button nang sabay-sabay.
Tungkol sa mga teknikal na kinakailangan, ang tampok na ito ay maayos na tumatakbo sa mga device na may Android 9 o mas bago , basta't ang Gemini Live ay available sa wika at rehiyon ng gumagamit. Mahalagang i- update ang operating system at ang Gemini app sa pinakabagong bersyon . Bukod pa rito, ito ay ganap na isinama sa Google TalkBack upang mapakinabangan nang husto ang kalayaan para sa mga user na may kapansanan sa paningin.
Ang proseso ng pag-unlad at mga babala sa kaligtasan
Ang tagumpay na ito ay hindi nagkataon lamang, kundi bunga ng malapit na pakikipagtulungan kay Aira, mga eksperto sa biswal na interpretasyon . Upang matiyak ang pagiging maaasahan ng sistema, libu-libong oras ng totoong datos ang ginamit, kasama ang suporta ng mahigit 1.000 tester mula sa Trusted Tester network , na ginagarantiyahan na nauunawaan ng AI kung anong impormasyon ang tunay na kailangan ng isang tao sa pang-araw-araw na sitwasyon.
Gayunpaman, may isang punto kung saan matigas ang paniniwala ng Google: ang tool na ito ay hindi isang medikal na aparato o isang sistema ng kaligtasan. Nagbabala ang kumpanya na ang Guided Vision ay maaaring magkamali at, samakatuwid, ay hindi dapat gamitin para sa pag-navigate sa mga kalye, pagtukoy ng mga balakid sa daanan, o pagpapalit ng tungkulin ng isang gabay na aso o tungkod. Ang layunin nito ay komplementaryong tulong sa paningin , hindi gabay sa ligtas na paggalaw.
Ang integrasyong ito ng real-time vision ay nagmamarka ng isang paradigm shift kung saan hindi na tayo umaangkop sa interface ng telepono, kundi sa halip ay umaangkop ang AI sa ating kapaligiran. Sa pamamagitan ng pagsasama-sama ng advanced visual recognition at natural na voice interface, binabago ng Google ang mobile phone tungo sa isang matalinong kasama na may kakayahang magbasa, tumukoy, at gumabay sa gumagamit sa anumang pang-araw-araw na sitwasyon.