هر آنچه که باید در مورد ویژگی‌های جدید هوش مصنوعی گوگل بدانید

باشگاه خبرنگاران جوان؛ جواد فراهانی - شرکت گوگل ویژگی‌های جدیدی را به مناسبت روز جهانی آگاهی از دسترسی‌پذیری معرفی کرده است.

 این شرکت ویژگی‌های Gemini را به ویژگی توضیحات متن جایگزین خود اضافه کرده است و اکنون در حال گسترش ویژگی زیرنویس‌های گویای خود است که قبلاً فقط در ایالات متحده در دسترس بود. 

علاوه بر این، کروم نیز دو ویژگی دسترسی جدید برای کمک به افراد دارای اختلالات بینایی را راه اندازی خواهد کرد.

گوگل در یک پست وبلاگی اعلام کرد که به‌روزرسانی‌های جدیدی را برای اندروید و کروم منتشر می‌کند تا تجربیات شخصی‌سازی شده‌ای را برای بینایی و شنوایی ایجاد کند و همچنین منابع جدیدی را برای توسعه‌دهندگان ابزار‌های تشخیص گفتار اضافه خواهد کرد.

گوگل همچنین با اندروید شروع به معرفی یک ویژگی جدید کرده و دامنه سایر ویژگی‌ها را برای کاربران بیشتری گسترش می‌دهد. سال گذشته، این شرکت قابلیت‌های Gemini را در TalkBack، صفحه‌خوان اندروید، ادغام کرد و به آن امکان داد تا برای تصاویر بدون متن جایگزین، زیرنویس‌های توصیفی ایجاد کند. 

اکنون، این ویژگی در حال گسترش است: کاربران نه تنها توضیحات متنی جایگزین تصاویر را می‌شنوند، بلکه می‌توانند در مورد خود تصاویر نیز سؤال بپرسند. علاوه بر این، این ویژگی به کاربران امکان می‌دهد تا در مورد صفحه نمایش خود سؤال بپرسند.

در دسامبر ۲۰۲۴، گوگل قابلیت Expressive Captions را برای اندروید در ایالات متحده به عنوان بخشی از Live Captions عرضه کرد. این ویژگی مبتنی بر هوش مصنوعی، فرمت جدیدی را برای انتقال بهتر زمینه پشت صدا‌ها اضافه می‌کند. 

این شرکت اعلام کرد که این ترجمه‌ها علاوه بر صدای انسان، قادر به انتقال چیز‌هایی مانند لحن، بلندی صدا و نشانه‌های محیطی نیز خواهند بود.

برای مثال، وقتی گوینده با تأکید می‌گوید «نهههه» به جای «نهههه» می‌نویسد، که احتمالاً نشان‌دهنده ناامیدی است (به یاد دارید که دارث ویدر در جنگ ستارگان: قسمت سوم گفت «نه»)، یا وقتی مفسر از یک شوت عالی در یک مسابقه کریکت یا فوتبال هیجان‌زده است، می‌نویسد «شوت فوق‌العاده». قابلیت Emoji Annotations اکنون به زبان انگلیسی در استرالیا، کانادا، انگلستان و ایالات متحده و در دستگاه‌هایی که اندروید ۱۵ و بالاتر دارند، در دسترس قرار گرفته است.

گوگل کروم همچنین برخی ویژگی‌های دسترسی جدید را دریافت می‌کند. پیش از این، نسخه دسکتاپ مرورگر از صفحه‌خوان‌ها برای خواندن فایل‌های PDF اسکن‌شده پشتیبانی نمی‌کرد. اکنون، این شرکت با اضافه کردن تشخیص نوری کاراکتر (OCR) این وضعیت را تغییر می‌دهد. 

کروم اکنون قادر خواهد بود فایل‌های PDF اسکن‌شده را تشخیص دهد، آنها را هایلایت کند، کپی کند، جست‌و‌جو کند و حتی از صفحه‌خوان برای خواندن آنها استفاده کند.

ویژگی دوم، Page Zoom است که می‌تواند اندازه متن را در صفحات وب در کروم اندروید بدون تأثیر بر طرح‌بندی صفحه افزایش دهد. این ویژگی برای افرادی که بینایی ضعیفی دارند و ترجیح می‌دهند فونت‌های بزرگ را بدون نیاز به اسکرول کردن مکرر صفحه به چپ و راست بخوانند، در نظر گرفته شده است.

منبع: الیوم السابع