- 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 dalang tao sa iyong bulsa na eksaktong naglalarawan sa nangyayari sa paligid mo sa totoong oras. Iyon talaga ang ginawa ng Google sa pamamagitan ng pagsasama ng... Ginabayang Pananaw sa loob ng Gemini LiveAng functionality na ito ay humiwalay sa tradisyonal na dinamiko ng pagsusulat 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 kagamitang ito ay hindi isang simpleng static photo analyzer, ngunit sa halip ay nagmumungkahi ng isang tuluy-tuloy 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 puso at dahilan ng pagiging aksesibilidad para sa mga bulag o may mahinang 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?
Ang proseso ay medyo simple: i-activate ng user ang function at ibahagi ang signal ng kamera gamit ang Gemini Live. Mula doon, sinusuri ng AI ang live na imahe, at maaaring magtanong ang user ng kahit ano tungkol sa kanilang nakikita. Ang pinakamakapangyarihang feature ay pinapayagan ka nitong gawin mga follow up na tanongSa madaling salita, kung may matukoy ang Gemini na lata ng mga preserve, maaari mo itong tanungin agad kung ano ang expiration date o kung anong mga sangkap ang laman nito nang hindi na kailangang i-restart ang query.
Hindi tulad ng ibang mga kagamitan, ang Guided Vision ay may kakayahang gabayan ang framing ng mobile phoneKung ang device ay nakaturo nang masyadong mataas, masyadong malapit sa bagay, o bahagyang wala sa gitna, bibigyan ka ng assistant ng mga pasalitang prompt para itama ito. ayusin ang posisyon ng teleponoTinitiyak nito na ang AI ay mayroong kinakailangang visual na impormasyon upang maiwasan ang paggawa ng mga pagkakamali sa paglalarawan.
Mga praktikal na kagamitan para sa pang-araw-araw na buhay
Ang mga aplikasyon ay lubhang iba-iba at tumatalakay sa mga pang-araw-araw na isyu na kung minsan ay nahihirapan tayo. Halimbawa, mainam ito para sa magbasa ng maliliit na titik sa mga etiketa ng nutrisyon o mga polyeto ng gamot kung saan hindi ito madaling makita. Malaking tulong din ito para sa hanapin ang mga nawawalang bagayMaaari mong igalaw ang telepono sa paligid ng silid at hilingin dito na alertuhan ka kapag may natukoy itong, halimbawa, isang earphone na nahulog sa sahig o ang pepper shaker sa kusinang puno ng mga garapon.
Bukod pa rito, sinisiyasat ng kagamitan ang mas subhetibo at estetikong teritoryo. Makikilala ng Guided Vision mga disenyo, hugis at kulayKaya puwede mo siyang tanungin kung ang isang striped shirt ay bagay sa partikular na pantalon o alamin lang kung anong kulay ang isang damit. Maaari pa nga siyang gumawa ng pangkalahatang paglalarawan ng isang pamamalagi hindi alam o detalyado kung anong mga bagay ang nakapatong sa mesa.
Pag-configure at pagiging tugma ng Android
Para makapagsimula, ang pinakadirektang paraan ay buksan ang Gemini app, pumunta sa mga setting ng profile at piliin ang opsyon para gumamit ng guided vision live. Kapag tapos na ito, buksan lang ang Gemini Live at ibahagi ang camera. Para sa mga naghahanap ng mas mabilis na bilis, isinama ng Google ang opsyon na lumikha ng direktang pag-access mula sa menu ng Accessibility (Tulong biswal), na nagpapahintulot dito na ma-activate sa pamamagitan ng mga galaw gamit ang dalawang daliri, ang lumulutang na buton, o sa pamamagitan ng pagpindot sa parehong buton ng volume nang sabay.
Kung tungkol sa mga teknikal na kinakailangan, ang tampok ay gumagana nang maayos sa mga device na may Mga bersyon ng Android 9 o mas bagobasta't available ang Gemini Live sa wika at rehiyon ng gumagamit. Mahalagang mayroon itong parehong operating system at Gemini application. na-update sa pinakabagong bersyonBukod pa rito, ito ay ganap na isinama sa Google TalkBack upang mapakinabangan nang husto ang awtonomiya ng mga gumagamit na may mga kapansanan sa paningin.
Ang proseso ng pag-unlad at mga babala sa kaligtasan
Ang pag-unlad na ito ay hindi bunga ng pagkakataon, kundi ng malapit na pakikipagtulungan sa Aira, mga eksperto sa interpretasyong biswalUpang matiyak na tunay na maaasahan ang sistema, libu-libong oras ng totoong datos at ang suporta ng higit sa 1.000 tester mula sa network ng Trusted Testertinitiyak na nauunawaan ng AI kung anong impormasyon ang talagang kailangan ng isang tao sa pang-araw-araw na sitwasyon.
Gayunpaman, may isang punto kung saan matatag ang Google: ang tool na ito ito ay hindi isang medikal na aparato ni isang sistema ng seguridad. Nagbabala ang kumpanya na ang Guided Vision ay maaaring magkamali at, samakatuwid, Hindi ito dapat gamitin para sa nabigasyon. sa kalye, tumuklas ng mga balakid sa daan, o pumalit sa tungkulin ng isang asong gabay o tungkod. Ang layunin nito ay ang karagdagang tulong sa paninginhindi ang gabay sa ligtas na pagkilos.
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 isang natural na voice interface, binabago ng Google ang mobile phone sa isang matalinong kasama may kakayahang magbasa, matukoy, at gumabay sa gumagamit sa anumang pang-araw-araw na sitwasyon.