तात्काळ प्रसिद्धीसाठी

São Paulo, २ ऑक्टोबर २०२६

Visionauta आता ३९ भाषांमध्ये, चेक, ग्रीक, हिब्रू, स्वीडिश आणि थाई यांसह २३ नव्या भाषांचा समावेश, आणि रिअल-टाइम संभाषणाचा आवाज अधिक स्पष्ट

Google आणि Samsungमध्ये काम केलेल्या अंध सॉफ्टवेअर इंजिनिअरने तयार केलेल्या विनामूल्य ॲपमध्ये एक असा सहाय्यक आहे जो पाहू शकतो: व्यत्ययाशिवाय आवाजाद्वारे संभाषण करतो, परिसराचे वर्णन करतो, व्यक्ती कुठे आहे ते सांगतो, इंटरनेटवर माहिती शोधतो, संगीताचे स्वरलेखन वाचतो आणि वाजवतो, आवाजासह व्हिडिओ रेकॉर्ड करतो आणि अंध व्यक्तींना नीट फ्रेम केलेली छायाचित्रे काढण्यास मदत करतो. आयफोन आणि अँड्रॉइडसाठी उपलब्ध.

Visionauta हे अंध आणि अल्पदृष्टी असलेल्या व्यक्तींना अधिक स्वावलंबन देण्यासाठी कृत्रिम बुद्धिमत्ता वापरणारे सुलभता ॲप आपली नवी आवृत्ती जाहीर करत आहे — आणि आता ते ३९ भाषा बोलते: पोर्तुगीज, इंग्रजी, स्पॅनिश, फ्रेंच, कोरियन, जर्मन, जपानी, इटालियन, अरबी, रशियन, सरलीकृत चिनी, हिंदी, बंगाली, व्हिएतनामी, तुर्की आणि इंडोनेशियन, तसेच २३ नव्या भाषा: चेक, ग्रीक, एस्टोनियन, फारसी, फिनिश, हिब्रू, हंगेरियन, आइसलँडिक, लिथुआनियन, मराठी, डच, पोलिश, रोमानियन, स्लोव्हाक, स्लोव्हेनियन, स्वीडिश, स्वाहिली, तमिळ, तेलुगू, थाई, युक्रेनियन, उर्दू आणि कँटोनीज. हे भाषांतर संपूर्ण ॲपसाठी, आवाजी आदेशांसाठी, मजकूर वाचनासाठी आणि वापरकर्त्याशी त्याच्या भाषेत संवाद साधणाऱ्या कृत्रिम बुद्धिमत्तेच्या उत्तरांसाठीही लागू आहे. २३ नव्या भाषांमुळे हे ॲप युरोप, मध्य पूर्व, आफ्रिका आणि आशियातील भाषिकांपर्यंत पोहोचते.

हे ॲप विनामूल्य आहे आणि आयफोनसाठी ॲप स्टोअरवर, तर अँड्रॉइडसाठी Google प्लेवर उपलब्ध आहे.

रिअल-टाइम संभाषण: पाहणारा आणि सोबत बोलणारा सहाय्यक

Visionautaचे मुख्य वैशिष्ट्य म्हणजे रिअल-टाइम संभाषण. यात व्यक्ती बटणे न दाबता आणि आपल्या पाळीची वाट न पाहता नैसर्गिकपणे बोलते, आणि फोनच्या कॅमेऱ्यातून पाहणारी कृत्रिम बुद्धिमत्ता लगेच आवाजात उत्तर देते — जणू जग पाहणारा आणि त्याचे वर्णन करणारा मित्र शेजारीच आहे. नव्या आवृत्तीत संभाषणाचा आवाज अधिक स्पष्ट झाला आहे, कमी आवाजाच्या अडथळ्यांसह आणि अधिक चांगल्या उच्चारांसह.

या संभाषणादरम्यान Visionauta हे करू शकते:

• परिसराचे आणि दृश्यांचे वर्णन करणे — खोलीत काय आहे, जवळ कोण आहे, टेबल कसे आहे, पलंगावर कोणते कपडे आहेत, दिवा लागलेला आहे का.

• व्यक्ती कुठे आहे आणि आजूबाजूला काय आहे ते सांगणे — सध्याचा पत्ता, रस्ते, खुणा, औषधालये, बेकऱ्या आणि सर्वात जवळचा बस थांबा, रिअल-टाइम नकाशा माहितीच्या आधारे.

• इंटरनेटवर माहिती शोधणे — बातम्या, वेळापत्रके, किमती, अद्ययावत माहिती, संभाषण न सोडता.

• संगीताचे स्वरलेखन वाचणे आणि वाजवणे — छापील स्वरलेखनाकडे कॅमेरा धरणे पुरेसे आहे. Visionauta स्वर ओळखते, संगीत मोठ्याने वाचून दाखवते आणि उपकरणावरच वाजवते, तसेच MusicXML आणि MIDI फाइल्स तयार करते. अंध संगीतकारांसाठी हे अभूतपूर्व वैशिष्ट्य आहे, जे ऐतिहासिकदृष्ट्या इतरांवर किंवा दुर्मिळ आणि महागड्या ब्रेल आवृत्त्यांवर अवलंबून राहिले आहेत.

• दृष्टिदोष असलेल्या व्यक्तीला छायाचित्रे काढण्यास मदत करणे — फोटो सहाय्यक फ्रेमिंगचे मार्गदर्शन करतो, ते चांगले झाल्यावर कळवतो, उलट गणना करतो आणि कॅमेरा चालवतो, जेणेकरून कौटुंबिक, कागदपत्रांची किंवा सोशल मीडियासाठीची छायाचित्रे चांगली येतात.

• आवाजासह व्हिडिओ रेकॉर्ड करणे — व्यक्ती आवाजाने सांगते, सहाय्यक फ्रेमिंगचे मार्गदर्शन करतो आणि रेकॉर्ड करतो; रेकॉर्डिंग सुलभ नियंत्रणांनी थांबवता, पुन्हा सुरू करता, पूर्ण करता किंवा रद्द करता येते, आणि व्हिडिओ क्रियाकलाप विभागात जतन होतात, पाहण्यासाठी आणि शेअर करण्यासाठी तयार.

• आवाजाने गाडी बोलावणे — फक्त गंतव्यस्थान सांगा आणि ॲप ट्रिप आधीच भरलेली असलेले Uber, 99, Bolt किंवा Lyft उघडते, फक्त पुष्टी करणे उरते.

• कॅमेऱ्यासमोर जे आहे त्याबद्दलच्या कोणत्याही प्रश्नाचे उत्तर देणे — हे कोणते उत्पादन आहे, कालबाह्यता तारीख काय आहे, या कपड्याचा रंग कोणता, या फलकावर काय लिहिले आहे.

Visionauta Magic: प्रतिमांचे वर्णन करणारी आणि फोनवर कामे पार पाडणारी एआय

केवळ अँड्रॉइडसाठी आणि Visionauta Plus सदस्यांसाठी उपलब्ध असलेले Visionauta Magic हे उपकरणाच्या स्क्रीन रीडरसोबत, जसे की TalkBack, एकत्र काम करते आणि समुदायाच्या दोन जुन्या समस्या सोडवते:

पहिली, कोणत्याही ॲपमध्ये दिसणाऱ्या लेबल नसलेल्या प्रतिमांचे ते वर्णन करते. स्क्रीन रीडरचा फोकस वर्णन नसलेल्या प्रतिमेवर, चिन्हावर किंवा कार्डवर थांबला की, Visionauta केवळ तो घटक तपासते आणि त्यात काय आहे ते मोठ्याने सांगते.

दुसरी, ते फोनवर कामे पार पाडते. व्यक्ती "WhatsApp उघड आणि अनाला संदेश पाठव" असे काहीतरी सांगते, आणि Visionauta एक आराखडा तयार करते, तो मोठ्याने वाचते आणि वापरकर्त्याच्या मंजुरीनंतरच कृती करते — प्रत्येक पायरी सांगत, आणि आपत्कालीन बटणाने किंवा दोन बोटांनी दोनदा टॅप करून कधीही थांबवता येते. पुष्टीशिवाय काहीही घडत नाही.

दैनंदिन वैशिष्ट्ये

संभाषणाव्यतिरिक्त, Visionautaने दृष्टिदोष असलेल्या व्यक्तींच्या समुदायात लोकप्रिय केलेला साधनसंच कायम ठेवला आहे, आणि त्यातील बराच भाग इंटरनेटशिवाय चालतो:

• ऑफलाइन मजकूर वाचन — कागदपत्रे, वेष्टने, पत्रे किंवा फलकांकडे कॅमेरा धरा आणि मजकूर मोठ्याने ऐका.
• चलनी नोटांची ओळख — रिअल, डॉलर, युरो, मेक्सिकन पेसो, येन, कॅनेडियन आणि ऑस्ट्रेलियन डॉलर, कनेक्शनशिवाय.
• वस्तू शोधक — "माझा फोन शोधायला मदत कर" असे म्हणा आणि ॲप परिसर तपासते, सापडल्यावर कंपन आणि आवाजाने सूचित करते.
• अल्पदृष्टीसाठी इलेक्ट्रॉनिक भिंग — झूम आणि उच्च कॉन्ट्रास्ट मोडसह, उलटे रंग, काळ्यावर पांढरा, पांढऱ्यावर काळा आणि निळ्यावर पिवळा.
• कंपनाद्वारे स्मरणासह टॉर्च.
• स्वतःचे नैसर्गिक आवाज — जे संपूर्ण सिस्टममध्ये वापरता येतात, अँड्रॉइडवर TalkBackचा आणि आयफोनवर VoiceOverचा आवाज म्हणून, डाउनलोड केल्यानंतर ऑफलाइन चालतात.

आयफोन आवृत्ती VoiceOver आणि iOS च्या सुलभता वैशिष्ट्यांशी पूर्णपणे जोडलेली आहे.

निवेदने

"रिअल-टाइम संभाषणाने Visionauta म्हणजे काय हेच बदलून टाकले. हे आता असे ॲप नाही ज्यात तुम्ही फोटो काढता आणि उत्तराची वाट पाहता: हे तुमच्यासाठी पाहणाऱ्या आणि नेहमी सोबत असणाऱ्या कोणाशी तरी सुरू असलेले संभाषण आहे, मग ते रस्त्याचे वर्णन करण्यासाठी असो, जवळचे औषधालय शोधण्यासाठी, व्हिडिओ रेकॉर्ड करण्यासाठी किंवा तुम्ही वाजवणार असलेले स्वरलेखन वाचण्यासाठी." — Jonathan Santos

"ॲप २३ नव्या भाषांमध्ये नेणे, चेकपासून थाईपर्यंत, हिब्रूपासून स्वाहिलीपर्यंत, हा न्यायाचा निर्णय होता, बाजाराचा नव्हे. साहाय्यक तंत्रज्ञान नेहमी आधी इंग्रजीत पोहोचले, आणि इंग्रजी न बोलणाऱ्यांना वर्षानुवर्षे वाट पाहावी लागली. आता कितीतरी अधिक लोक Visionautaशी आपल्या स्वतःच्या भाषेत संवाद साधू शकतात." — Jonathan Santos

"मला एका शैक्षणिक प्रकल्पाला समुदायासाठी खऱ्या साधनात रूपांतरित करण्यास प्रोत्साहन देणारे Universidade Presbiteriana Mackenzie येथील प्राध्यापक Ismar Frango आणि Nizam Omar यांचे मी आभार मानतो." — Jonathan Santos

विकसकाबद्दल

Jonathan Santos हे कृत्रिम बुद्धिमत्तेत विशेषज्ञ असलेले सॉफ्टवेअर इंजिनिअर आहेत, ज्यांनी Google आणि Samsungमध्ये काम केले आहे. संशोधक आणि Universidade Presbiteriana Mackenzie येथे संगणक अभियांत्रिकीचे डॉक्टरेट विद्यार्थी असलेले ते Faculdade de Ciências Médicas da Santa Casa de São Paulo येथे अतिथी विद्यापीठ प्राध्यापकही आहेत, जिथे ते आरोग्यावर लागू जनरेटिव्ह कृत्रिम बुद्धिमत्ता शिकवतात. ते अंध आहेत आणि दृष्टिदोष असलेल्या व्यक्तींच्या स्वावलंबनाला चालना देणारे सुलभता तंत्रज्ञान विकसित करण्यास समर्पित आहेत.

Visionautaचा जन्म त्यांच्या संगणक अभियांत्रिकीच्या पदव्युत्तर शिक्षणादरम्यान, संगणकीय विचार आणि कृत्रिम बुद्धिमत्ता या विषयांमध्ये झाला.

माहिती

ॲप: Visionauta
किंमत: विनामूल्य, पर्यायी Visionauta Plus सदस्यतेसह
प्लॅटफॉर्म: iOS आणि Android
भाषा: ३९ — पोर्तुगीज, इंग्रजी, स्पॅनिश, फ्रेंच, कोरियन, जर्मन, जपानी, इटालियन, अरबी, रशियन, सरलीकृत चिनी, हिंदी, बंगाली, व्हिएतनामी, तुर्की, इंडोनेशियन, चेक, ग्रीक, एस्टोनियन, फारसी, फिनिश, हिब्रू, हंगेरियन, आइसलँडिक, लिथुआनियन, मराठी, डच, पोलिश, रोमानियन, स्लोव्हाक, स्लोव्हेनियन, स्वीडिश, स्वाहिली, तमिळ, तेलुगू, थाई, युक्रेनियन, उर्दू आणि कँटोनीज
iOS डाउनलोड: https://apps.apple.com/app/visionauta/id6780104967
Android डाउनलोड: https://play.google.com/store/apps/details?id=br.com.alphamob.aie
ऑनलाइन प्रेस रिलीज: https://www.tensorial.com.br/visionauta/press-release/
प्रेस किट: https://www.tensorial.com.br/visionauta/press-release/visionauta-media-kit-mr.zip
संपर्क: contato@tensorial.com.br

###
