爱盲论坛

标题: 电脑上也能使用chatGPT描述图片啦，还能识别软件里的开关设置，让操作软件更加无障... [打印本页]

作者: 落寞 时间: 2023-11-10 16:28
标题: 电脑上也能使用chatGPT描述图片啦，还能识别软件里的开关设置，让操作软件更加无障...
有录一个演示录音，大家可以直接播放收听。
官方交流群：554346279
[mp]http://www.lmdbk.com/aist.mp3[/mp]

前两天我们落寞工具箱的手机版添加上了AI智能图像描述，想必很多小伙伴都已经用上了。
这chatGPT描述图片可谓是非常厉害，描述的非常详细。
那今天，落寞工具箱电脑版，也加入了chatGPT图片识别，除了描述图片以外，还能识别软件窗口！
像我们会遇到一些无障碍很差的软件、网站等等，里面的一些设置项、开关、复选框的选中状态，是不朗读的，我们不知道到底是选中还是没选中。
但是视觉上，明眼人，是可以看出区别的，选没选中，要么是颜色有变化，要么旁边会多一个打钩的图标。
那这些视觉上的变化，AI就都能识别出来！
可以说是让我们又扫清了一部分障碍！
还有我们在电脑上看视频的时候，遇到了一个很感兴趣的画面，那也可以暂停视频，使用AI智能识别，让它给你详细的描述场景内容。
并且还可以追问，比如里面的人是什么表情？是什么样的姿势？穿着什么样的衣服等等。
当然，能做的仅不于此，这功能还只是刚刚上线，相信有更多用武之地，对我们盲人的帮助巨大！欢迎你加群交流讨论，软件也可在群共享里下载。
不过官方还有一些注意事项，也请仔细阅读：
虽然具有视觉功能的 GPT-4 功能强大，可用于多种情况，但了解该模型的局限性很重要。以下是我们注意到的一些限制：
医学图像：该模型不适合解释 CT 扫描等专业医学图像，不应用于医疗建议。
非英语：在处理包含非拉丁字母文本（如日语或韩语）的图像时，模型可能无法发挥最佳性能。
住：经过测试，现在识别中文效果不是很好，但英文、数字都是可以的，那如果只是要识别文字，还是用在线文字识别更加准确。
旋转：模型可能会误解旋转/颠倒的文本或图像。
视觉元素：模型可能难以理解颜色或样式（如实线、虚线或虚线）变化的图形或文本。
空间推理：该模型难以完成需要精确空间定位的任务，例如识别国际象棋位置。
准确性：在某些情况下，模型可能会生成不正确的描述或标题。
图像形状：该模型在处理全景和鱼眼图像时遇到困难。
元数据和调整大小：模型不处理原始文件名或元数据，并且在分析之前调整图像大小，从而影响其原始尺寸。
计数：可以给出图像中对象的近似计数。
验证码：出于安全原因，我们实施了一个系统来阻止提交验证码。

以下是软件详细介绍：
落寞工具箱-专为盲人打造的工具类软件，拥有聊天AIChatGPT、股票信息查询、拍照自动识别、自动朗读视频中文字幕、图形验证码识别、微软语音合成、语音转文本、音频转视频、pdf阅读、云剪贴板、图片合并缩放等众多功能！
有什么亮点？
1.内置全球最火爆的聊天AIChatGPT，发送消息，让它为你找软件、找错别字、取名字，甚至让它写小说，写代码！完全不同的聊天对话体验，让你体会到AI的强大！苹果手机还可直接将ChatGPT集成到Siri中，直接说话就能与ChatGPT互动！让语音助手瞬间人工智能！
2.股票信息查询，支持查询各大股市的历史行情，包括每天开盘价、收盘价、涨跌额、交易量等，最早能查询到股票刚上市！并且还有数据分析功能，让你了解股票价格走势！
3.安卓、苹果、windows，三大平台都集成离线文字识别，无需联网，快速响应！
4.屏幕自动识别（安卓、windows支持），开启后只要屏幕上显示的文字，瞬间识别朗读，典型场景，用来识别视频中文字幕，再也不怕看国外电影！除此之外浏览大量图片、某些直播软件公平不支持朗读等均可使用！可加群在群共享里收听如何朗读中文字幕的演示录音！
5.摄像头自动识别：不想一次次的点击拍照？打开自动识别，只需将摄像头对准要识别的文字，使用内置的离线文字识别，走到哪识别到哪！
6.识别位置提示：总是对不准文字，不知道文字在哪里？位置提示来帮你！每次识别玩后都会播报文字大概位置，例如左边、偏左等，根据提示将摄像头网相对应位置移动，配合自动识别，再也不怕对不准！如果使用在线文字识别，还可提示文字倾斜角度，例如向左倾斜180度，及代表文字颠倒，书本拿反，轻松得知物体的上下正反！
7.图像描述，拿到一个东西不知道是什么颜色？朋友圈里看到一张图片不知道拍的是什么？这时候就可以切换至图像描述，用一句话描述图片中的主要物体，并且基本都包含颜色信息，例如拍摄一只躺在地上的狗，可能就会告诉你，一只白色短毛狗躺在棕色地板上，让你对物体、颜色都有个大概了解！
8.图形验证码识别，无论安卓还是苹果，只要遇到图形验证码的界面，可直接截图，然后打开软件，使用验证码识别，只需选择验证码的大概区域，如上二分之一，及可轻松识别，准确率高达9成以上！从此苹果手机也可轻松识别图形验证码！
9.识别亮度，不知道家里是否开灯？使用亮度识别，将摄像头对准光源，即可得知亮与暗！
10.除此之外还有银行卡识别、身份证识别、植物识别、动物识别、钱币识别等接口共选择！特定场景准确度更高。
11.云笔记：可将重要文本内容保存至云端,安卓、苹果、windows三端同步查看，并且支持导入争渡云收藏，从此不怕重要信息丢失！
12.云剪贴板：云剪贴板可将当前设备的剪贴板数据同步至云端，不同于云笔记，云剪贴板的每次提交，都将覆盖之前的内容，方便在不同平台上频繁共享文本的场景。并且为了方便提交获取，无论任何平台，都有快捷方式可以一键提交，一键获取，可在个人中心点击帮助，收听多平台同步剪贴板数据的演示录音，从此多平台剪贴板同步轻松快捷！除此之外电脑版还拥有多剪贴板功能，可自动记录每次复制的文字，支持使用热键直接查看浏览，就仿佛多了无数块剪贴板，让你随心切换！
13.pdf阅读：无论是文字版还是扫描版pdf，直接选择使用落寞工具箱打开，文字版直接朗读，扫描版自动识别后朗读，给你带来阅读普通电子书的体验！并且支持直接导出成txt。
14.文本转语音：嫌听书机上的语音不好听？现在开始使用微软超逼真的TTS，将文本转换成语音，包括晓晓、云西等数十个发音人，温柔、深情、冷静等十几种风格，中文、英语、日语等多种语言，总有一款适合你！
15.语音转文本：有课堂、会议录音想转成文字，整理成笔记？看到了一步国外影片但苦于没有中文字幕？使用语音转文本，轻松将音视频中的语音转成可编辑的文本，操作专为视障用户设计，编辑查看简洁明了，还支持导出成txt、外挂字幕等。
16.音频转视频：可使用一张图片将音频转为视频，并且可直接发送到各类短视频平台。注：如果不提供图片，那转换出的将是纯黑视频。
17.图片合并，可将多张图片竖排或横排合并成一张图片，支持放大缩小、旋转等。
18.siri集成支持（仅限苹果），保存了一张图片后，可直接对siri说“识别最新照片”，及会掉起软件自动识别，方便快捷！
19.在QQ、微信等软件里收到的pdf、txt、音频都可选择直接用软件打开，pdf直接阅读、文本直接转语音、音频直接转文本，其次系统相册里的图片也支持用软件打开进行识别。
除此之外还有文本拆分、二维码生成与解析等小功能不断添加中！

作者: 童年. 时间: 2023-11-10 16:29
标题: 回复楼主落寞
支持
本帖来自微秘

作者: 小熊 时间: 2023-11-10 19:10
标题: 回复楼主落寞
付费吗？
本帖来自微秘

作者: 月亮雨 时间: 2023-11-10 19:32
标题: 回复板凳小熊
肯定是付费使用
本帖来自微秘

欢迎光临爱盲论坛 (https://aimang.net/)