طبق اعلام رسمی گوگل، این قابلیت با همکاری جامعهٔ دسترس‌پذیری ساخته شده و روی تفسیر تصویری مکالمه‌ای تمرکز دارد، نه فقط برچسب‌زدن یک عکس ثابت. در ادامه، از منبع دست‌اول می‌خوانیم Guided Vision چطور کار می‌کند، کجا روشن می‌شود و گوگل چه محدودیت‌هایی برای استفاده‌اش گذاشته است.
Guided Vision چیست و چطور کار می‌کند؟
طبق پست رسمی بلاگ گوگل، وقتی Guided Vision روشن باشد و دوربین را در Gemini Live به اشتراک بگذارید، مدل مثل یک همراه گفت‌وگو عمل می‌کند. اگر دوربین خیلی بالا، خیلی نزدیک یا کمی کج باشد، جمینای با جمله‌هایی مثل حرکت آهسته به راست، پایین آوردن زاویه یا کمی عقب رفتن، شما را برای گرفتن تصویر واضح‌تر راهنمایی می‌کند. بعد می‌توانید دربارهٔ همان صحنه سؤال بپرسید و جواب صوتی بگیرید.
کاربردهای روزمره از نظر گوگل
گوگل چند سناریوی عملی را نام برده است: خواندن نوشتهٔ ریز روی برچسب مواد غذایی یا منوی رستوران در نور کم، پیدا کردن وسیلهٔ گم‌شده مثل هندزفری روی زمین، تشخیص رنگ و طرح لباس برای ست کردن، و توصیف کلی یک فضای ناآشنا یا اشیای روی میز. شرکت می‌گوید این قابلیت برای سالمندان، افراد با سوادخوانی محدود یا هرکسی که در نور کم نوشتهٔ ریز می‌خواند هم می‌تواند مفید باشد. مکالمه در چند زبان پشتیبانی می‌شود و بازخورد از جوامع نابینا و کم‌بینا در کشورهایی مثل هند، برزیل، سنگاپور، اندونزی و ژاپن در طراحی لحاظ شده است.
مسیر رسمی در اپ جمینای این است: تنظیمات پروفایل را باز کنید و گزینهٔ Use Guided Vision in Live را فعال کنید؛ بعد Gemini Live را باز کنید و دوربین را به اشتراک بگذارید. از مسیر دسترس‌پذیری اندروید هم می‌توانید میانبر بسازید: Settings > Accessibility > Vision assistance > Guided Vision و میانبر را روی دکمهٔ شناور، ژست دو انگشت یا فشردن هم‌زمان کلیدهای صدا تنظیم کنید. کاربران TalkBack می‌توانند با ضربهٔ سه‌انگشتی منو را باز کنند و Guided Vision را انتخاب کنند. پیش‌نیاز اعلام‌شده: اندروید ۹ به بالا، به‌روز بودن اپ جمینای و سیستم، و پشتیبانی Gemini Live در همان منطقه و زبان.
گوگل صریح می‌گوید Guided Vision یک ابزار کمکی مبتنی بر هوش مصنوعی زایا است و ممکن است اشتباه کند. این قابلیت وسیلهٔ پزشکی، کمک‌حرکت یا جایگزین عصای سفید نیست و برای ناوبری، راهنمای سفر ایمن یا تشخیص مانع طراحی نشده است. کاربر باید همچنان به وسایل و روش‌های ایمن‌سازی مسیر تکیه کند. برای مخاطب ایرانی نکتهٔ عملی این است که اول ببینید Gemini Live در منطقه و زبان شما در دسترس است یا نه؛ بدون آن، Guided Vision هم فعال نمی‌شود.
Guided Vision یک محصول دسترس‌پذیری است که توصیف تصویری را به گفت‌وگوی زنده در جمینای لایو وصل می‌کند، نه یک ادعای معجزه‌آسا دربارهٔ بینایی مصنوعی. اگر اندروید سازگار دارید و Live در دسترس شماست، روشن کردنش کوتاه است؛ اگر نه، منتظر گسترش پشتیبانی منطقه‌ای بمانید و از ابزارهای فعلی دسترس‌پذیری جدا نشوید.
در محیط شما اولویت با خواندن نوشته‌های ریز است یا پیدا کردن اشیای روزمره؟
بعد از خواندن مطلب بپرسید؛ پاسخ فقط از همین مقاله است.
این مطلب برایتان مفید بود؟
فرهاد محمدی خبرنگار فناوری و هوش مصنوعی فیسیت است. کار روزانه‌اش این است که خبر مدل‌های زبانی، ابزارهای جدید و ادعاهای پرزرق‌وبرق شرکت‌ها را به زبان قابل‌استفاده برای مخاطب ایرانی برگرداند؛ بدون هیجان کاذب و بدون ترساندن بی‌دلیل.
میز کارش دو بخش است: هوش مصنوعی، و فناوری و تکنولوژی روز — نرم‌افزار، اینترنت و تغییراتی که روی کار و زندگی دیجیتال اثر می‌گذارند. قبل از نوشتن معمولاً می‌پرسد «برای کاربر چه فرقی می‌کند؟» و همان را محور مطلب می‌گذارد.
گوگل‌بوک امروز در آمریکا به فروشگاه رسید؛ از ۸۹۹ دلار
جمینای ۴ آرگون گوگل اعلام شد؛ دسترسی محدود، خروجی یک‌میلیون توکن و قیمت API
ویوو OriginOS ۷ را معرفی کرد؛ Workbench، جوی و پیوند بومی با اپل
نظرات کاربران