गुगलने गुरुवारी ‘एक्सप्रेसिव्ह कॅप्शन’ नावाचे नवीन आर्टिफिशियल इंटेलिजन्स (एआय) अपग्रेड फीचरचे अनावरण केले. हे वैशिष्ट्य Android वर त्याच्या लाइव्ह कॅप्शन वैशिष्ट्यामध्ये आणले जात आहे. यासह, वापरकर्ते ध्वनींमागील संदर्भ अधिक चांगल्या प्रकारे व्यक्त करण्यासाठी डिव्हाइसवर प्ले केलेल्या व्हिडिओंचे लाइव्ह कॅप्शन एका नवीन फॉरमॅटमध्ये पाहू शकतील. AI वैशिष्ट्य सर्व कॅप्समध्ये मजकुरासह उत्साह, ओरडणे आणि मोठ्याने व्यक्त करेल. सध्या, यूएस मधील Android 14 आणि Android 15 डिव्हाइसेसवर एक्सप्रेसिव्ह कॅप्शन इंग्रजीमध्ये उपलब्ध आहे.
Google चे ‘Expressive Captions’ वैशिष्ट्य AI वर रिलीज झाले आहे
शोध राक्षस सामायिक तपशील अँड्रॉइडच्या लाइव्ह कॅप्शनमध्ये जोडल्या जाणाऱ्या नवीन AI वैशिष्ट्याबद्दल आणि सांगितले की, 1970 च्या दशकात कर्णबधिर आणि ऐकू न शकणाऱ्या समुदायासाठी सुलभता साधन म्हणून मथळे पहिल्यांदा लोकप्रिय झाले होते, परंतु गेल्या 50 वर्षांत त्यांचे सादरीकरण बदललेले नाही. .
आज बरेच लोक मोठ्याने सार्वजनिक ठिकाणी सामग्री ऑनलाइन प्रवाहित करताना, काय बोलले जात आहे ते अधिक चांगल्या प्रकारे समजून घेण्यासाठी किंवा परदेशी भाषेतील सामग्री वापरताना मथळे वापरतात. अँड्रॉइड वापरकर्त्यांमध्ये मथळ्यांची लोकप्रियता लक्षात घेऊन, Google ने म्हटले आहे की ते आता कॅप्शनद्वारे व्यक्त होणाऱ्या माहितीमध्ये नाविन्य आणण्यासाठी AI वापरत आहे.
अभिव्यक्ती मथळ्यांसह, थेट उपशीर्षके टोन, आवाज, पर्यावरणीय संकेत तसेच मानवी आवाज यासारख्या गोष्टींशी संवाद साधण्यास सक्षम असतील. “या लहान गोष्टी शब्दांच्या पलीकडे काय आहे हे सांगण्यात खूप फरक करतात, विशेषत: थेट आणि सामाजिक सामग्रीसाठी ज्यामध्ये प्रीलोड केलेले किंवा उच्च-गुणवत्तेचे मथळे नाहीत,” Google म्हणाले.
अभिव्यक्ती मथळे मथळ्यांमध्ये नाविन्य आणण्याचा एक मार्ग म्हणजे भाषणाची तीव्रता दर्शवण्यासाठी सर्व कॅपिटल अक्षरे दाखवणे, मग ते उत्साह, जोरात किंवा राग असो. हे मथळे उसासे, गुरगुरणे आणि गळ घालणे यांसारखे आवाज देखील ओळखतील, वापरकर्त्यांना भाषणातील बारकावे अधिक चांगल्या प्रकारे समजून घेण्यास मदत करतील. पुढे, ते अग्रभागी आणि पार्श्वभूमीत वाजवले जाणारे सभोवतालचे आवाज देखील कॅप्चर करेल, जसे की टाळ्या आणि जयजयकार.
Google म्हणते की एक्सप्रेसिव्ह कॅप्शन्स लाइव्ह कॅप्शनचा भाग आहेत आणि हे वैशिष्ट्य ऑपरेटिंग सिस्टममध्ये तयार केले गेले आहे आणि वापरकर्ता कोणते ॲप किंवा इंटरफेस चालू असले तरीही ते संपूर्ण Android डिव्हाइसवर उपलब्ध असेल. परिणामी, वापरकर्ते लाइव्ह स्ट्रीम, सोशल मीडिया पोस्ट्स आणि Google Photos मधील आठवणी तसेच मेसेजिंग प्लॅटफॉर्मवर शेअर केलेले व्हिडिओ पाहताना रिअल-टाइम AI मथळे शोधू शकतात.
विशेष म्हणजे, एक्सप्रेसिव्ह कॅप्शनसाठी AI प्रोसेसिंग डिव्हाइसवर केले जाते, म्हणजे डिव्हाइस इंटरनेटशी कनेक्ट केलेले नसताना किंवा विमान मोडवर असतानाही वापरकर्ते ते पाहू शकतील.