قابلیت جدید Google Lens به کاربران کمک می‎کند اشیاء را شناسایی کنند

یقینا زمانی که آهنگی می‎شنوید که نام آن را به خاطر نمی‎آورید، از اپلیکیشن‎هایی مانند Shazam یا SoundHound به منظور شناسایی آن استفاده می‎کنید. اما نظرتان در رابطه با اشیاء چیست؟ به عنوان مثال اگر میز یا جفت کفشی می‎بینید که واقعا نمی‎دانید از کجا خریداری کنید. Google Goggles یک گزینه برای این کار بود، […]

یقینا زمانی که آهنگی می‎شنوید که نام آن را به خاطر نمی‎آورید، از اپلیکیشن‎هایی مانند Shazam یا SoundHound به منظور شناسایی آن استفاده می‎کنید. اما نظرتان در رابطه با اشیاء چیست؟ به عنوان مثال اگر میز یا جفت کفشی می‎بینید که واقعا نمی‎دانید از کجا خریداری کنید. Google Goggles یک گزینه برای این کار بود، اما ظاهرا شرکت گوگل آن را با قابلیت Google Lens جایگزین کرده است.

طی اخبار اعلام شده در کنفرانس I/O 2017 گوگل، این غول دنیای اینترنت فاش کرد که تغییراتی در هوش‎مصنوعی خود یعنی Google Assistant به وجود آورده است. قسمتی از این تغییرات معرفی قابلیت جدیدی به اسم گوگل لنز (Google Lens) بوده که عملا یک موتور جستجوی معکوس تصویر در دنیای واقعی است که کاربر می‎تواند از دوربین گوشی‎هوشمند خود و ویژگی مورد نظر برای شناسایی اشیاء در دنیای واقعی استفاده کند.

براساس اعلام گوگل “شما قادر به کسب اطلاعات بیشتر در خصوص اجسام اطراف خود خواهید بود و حتی براساس محیط اطرافتان دست به انجام اعمال مختلف بزنید، یعنی زمانی که در حال گفتگو با دستیار Assistant خود هستید. اگر چادری از برند محبوب خود مشاهده می‎کنید، می‎توانید دوربین خود را به دنبال فعال‎سازی Assistant به سمت آن گرفته و بر روی آیکون Lens آهسته ضربه بزنید تا اطلاعاتی در خصوص آن به دست آورید.”

کاربران هم‎چنین قادر به کسب اطلاعات مربوط به یک رویداد، کارت‎های ویزیت یا حتی ترجمه‎ی متن از یک زبان به زبان دیگر هستند. به یاد داشته باشید که برخی از این قابلیت‎ها در حال حاضر وجود دارند همانند با گرفتن یک تصویر و ترجمه‎ی آن از طریق گوگل ترنسلیت، اما Google Lens تمامی این قابلیت‎ها را در یک مکان جمع خواهد کرد تا استفاده از آن‎ها ساده‎تر شود.

پیشنهاد ویژه : قیمت ارز دیجیتال
پیشنهاد ویژه : سرور HP
پیشنهاد ویژه : تعمیر کامپیوتر تهران

پیشنهاد ویژه

خرید بلیط هواپیما فلای تودی

پیشنهاد ویژه

لیست کامل و نرخ لحظه ای ارزهای دیجیتال