আমরা Google এর AI চশমা পরীক্ষা করেছি এবং সেগুলি প্রায় সেখানেই আছে | টেকক্রাঞ্চ

এই সপ্তাহের Google I/O ডেভেলপার কনফারেন্সে, আমরা Google-এর আসন্ন AI চশমাগুলির একটি সংক্ষিপ্ত হ্যান্ডস-অন দেখার সুযোগ পেয়েছি — কোম্পানি বলেছে যে অডিও-শুধু চশমাগুলি এই শরতে শিপিং শুরু করবে, কিন্তু চশমাগুলি যা একটি সম্মিলিত ভিজ্যুয়াল এবং অডিও অভিজ্ঞতা প্রদান করে৷

গত বছরের ইভেন্টে প্রথম ঘোষণা করা হয়েছিল, এই অ্যান্ড্রয়েড XR চশমাগুলি একটি ইন-লেন্স ডিসপ্লে অফার করে যা আপনার সামনে দরকারী তথ্য রাখে, বাস্তব জগতের উপর চাপিয়ে দেওয়া। এর মধ্যে এমন উইজেট রয়েছে যা আবহাওয়া, হাঁটার দিকনির্দেশ, Uber পিকআপের বিশদ, লাইভ অনুবাদ এবং আরও অনেক কিছু প্রদর্শন করতে পারে, এমনকি আপনি AI ব্যবহার করে নিজের ডিজাইন করেছেন এমন উইজেটগুলিও রয়েছে৷

চশমাগুলি আইওএস এবং অ্যান্ড্রয়েড ফোনের সাথেও যুক্ত হবে, সংস্থাটি বলেছে, কেবলমাত্র অডিও ফর্ম্যাট এবং ভবিষ্যতের ডিসপ্লে সংস্করণে।

স্ক্রীন সহ চশমাগুলি এই বছরের শেষের দিকে প্রকাশিত অডিও চশমার প্রথম প্রজন্মের বাইরের পরবর্তী পদক্ষেপ বলে বোঝানো হয়েছে। ওয়ারবি পার্কার, জেন্টল মনস্টার এবং স্যামসাং-এর সহযোগিতায় চশমা তৈরি করা হয়েছে, তাদের ব্র্যান্ডের ডিজাইনের নান্দনিকতার সাথে Google প্রযুক্তির সমন্বয়।

ইতিমধ্যে আমরা যে লেন্সগুলি পরীক্ষা করেছি, তা এখনও একটি প্রোটোটাইপ ছিল, যদিও এখন বাহ্যিকভাবে পরীক্ষা করার জন্য যথেষ্ট পালিশ করা হয়েছে। XR চশমা প্রদর্শনকারী প্রতিনিধিরা ব্যাখ্যা করেছেন যে প্রোটোটাইপটি Google কে বিভিন্ন শৈলী এবং আকারের সাথে সম্পর্কিত কিছু প্রসাধনী বিশদ সম্পর্কে চিন্তা করতে দেয় না, তাই এটি প্রদর্শন প্রযুক্তি এবং ব্যাটারি লাইফের উপর এর প্রভাবগুলির সাথে আরও অবাধে পরীক্ষা করার উপর ফোকাস করতে পারে। এর মানে হল এই চশমাগুলি ফিট, আকৃতি, মাত্রা এবং বিশদ মনোযোগের দিক থেকে চশমার ভবিষ্যত সংস্করণ থেকে খুব আলাদা। পরিবর্তে, এটি একটি মৌলিক, আরামদায়ক ফ্রেমে থাকাকালীন লেন্সগুলির “ভিতরের” সাথে পরীক্ষা করতে সক্ষম হওয়ার মতো।

চশমাটির শিপিং সংস্করণটি শনাক্ত করতে সক্ষম হবে যে চশমাটি কখন মাথার উপর এবং বন্ধ থাকে, তবে আমরা যেগুলি পরীক্ষা করেছি তাতে এই বৈশিষ্ট্যটি ছিল না।

মিথুন সক্রিয় করতে, আপনি চশমার ফ্রেমের ডান দিকে দুই সেকেন্ডের জন্য টিপুন। একটি স্টার্টআপ চাইম আপনাকে জানাতে যে মিথুন চালু আছে এবং শুনছে। ডেমো সংস্করণে, জেমিনি শুরু করা একই সময়ে ক্যামেরা চালু করে, তবে শিপিং সংস্করণ ব্যবহারকারীকে জেমিনি শুরু হলে ক্যামেরা চালু করতে হবে কিনা তা কনফিগার করার অনুমতি দেবে।

প্রাথমিক পরীক্ষায়, আমরা মিথুনকে প্রিয় শিল্পীর চরিত্রে অভিনয় করতে বলে চশমা দিয়ে গান বাজিয়েছিলাম। দুর্ভাগ্যবশত, স্থানটি শব্দের গুণমান মূল্যায়ন করার জন্য খুব জোরে ছিল, কারণ সঙ্গীতটি সর্বাধিক ভলিউম পর্যন্ত ক্র্যাঙ্ক করা হয়েছিল এবং এটি এখনও স্পষ্টভাবে এবং বিশদভাবে শুনতে তুলনামূলকভাবে কঠিন ছিল। তবে এই সীমিত অভিজ্ঞতা থেকে প্রাথমিক ধারণাটি ছিল যে চশমাগুলি উচ্চ মানের হেডফোনগুলির জন্য একটি দুর্দান্ত প্রতিস্থাপন হবে না, যদিও আপনি বাইরে থাকাকালীন, হাঁটা, হাইকিং বা বাড়ির আশেপাশে কাজ করার সময় কিছু মিউজিক চাইলে সেগুলি কার্যকর হবে৷ হেডফোন না থাকার সুবিধা হল অ্যাপলের এয়ারপডের মতো ডিভাইসে ট্রান্সপারেন্সি মোডের অভিজ্ঞতার তুলনায় আপনি সহজেই কাউকে কথা বলতে শুনতে পারেন।

মিউজিক বন্ধ করতে, ফ্রেমের পাশে, মাঝখানে একবার ট্যাপ করুন, যেন মন্দির স্পর্শ করছে।

দ্বিতীয় পরীক্ষায়, আমরা একজন ব্যক্তির ছবি তুলতে ফটো ক্যাপচার বোতাম টিপুন। স্ক্রিনটি বন্ধ ছিল, তাই ছবিটি আমাদের ফোন এবং ঘড়িতে স্থানান্তরিত হয়েছিল। (আপনি পরে একটি দীর্ঘ প্রেস দিয়ে ভিডিও ক্যাপচার করতে সক্ষম হবেন, কিন্তু এই বিকল্পটি প্রোটোটাইপের সাথে পরীক্ষার জন্য উপলব্ধ ছিল না। ভিডিওর জন্য, আপনি ছবির পরিবর্তে ভিডিওটির একটি থাম্বনেইল পূর্বরূপ দেখতে পাবেন।)

এছাড়াও আপনি কেবলমাত্র জেমিনিকে ফটো বোতাম টিপুন না করেই একটি ছবি তুলতে এবং ফলাফলের উপর একধরনের কৃত্রিম বুদ্ধিমত্তা ম্যানিপুলেশন করতে বলতে পারেন। উদাহরণস্বরূপ, আপনি কিছু বলতে পারেন, “একটি ফটো তুলুন এবং ব্যক্তিটিকে একটি অ্যানিমে চরিত্রে পরিণত করুন।” ফটোটি ফোনে, তারপর জেমিনি এবং ন্যানো ব্যানানা সার্ভারে এবং তারপরে এর সম্পাদিত সংস্করণে পাঠানো হয়।

Google I/O ভেন্যুতে, যেখানে ওয়াই-ফাই ভারী চাপের মধ্যে ছিল, রাউন্ড ট্রিপটি প্রায় 45 সেকেন্ড সময় নেয়।

স্ক্রীন চালু থাকলে, আপনি দেখতে পাবেন একটি সাধারণ হোম স্ক্রীন আপনার দৃশ্যের ক্ষেত্রে প্রদর্শিত হবে। ডেমো সংস্করণে কিছু প্রিলোড করা উইজেট ছিল যা Google I/O ইভেন্টের জন্য সময় এবং একটি কাউন্টডাউন দেখায়। আপনি নির্দিষ্ট অ্যাপগুলিতে দ্রুত লঞ্চার তৈরি করতে পারেন, যেমন Google মানচিত্র বা অনুবাদ, যদি সেগুলি চশমার জন্য আপনার প্রধান ব্যবহারের ক্ষেত্রে হয়।

প্রোটোটাইপের ডান চোখের উপর শুধুমাত্র একটি ডিসপ্লে ছিল, কিন্তু প্ল্যাটফর্মটি একক এবং দ্বৈত প্রদর্শনের পাশাপাশি অডিও-শুধু চশমা সমর্থন করতে পারে। চিত্রটি নিজেই কিছুটা ঝাপসা ছিল, তবে আমরা এটিকে আমাদের প্রেসক্রিপশন পরিচিতিগুলিতে রেখে দিয়েছি, যার মধ্যে একদিকে দূরত্বের জন্য অপ্টিমাইজ করা একটি লেন্স এবং অন্য দিকে কাছাকাছি দৃষ্টিভঙ্গির জন্য অপ্টিমাইজ করা একটি লেন্স ব্যবহার করা জড়িত৷ যখন আমরা একটি চোখ বন্ধ করেছিলাম, ছবিটি আরও ভাল ফোকাসে এসেছিল, কিন্তু অভিজ্ঞতাটি প্রায় সঙ্গে সঙ্গেই আমাদের ডান চোখের উপরে কিছু চোখের চাপ দিয়ে রেখেছিল, এবং প্রেসক্রিপশনটি সম্পূর্ণভাবে দায়ী কিনা তা স্পষ্ট নয়।

সেরা ডেমোগুলির মধ্যে একটি ছিল চশমার ভাষা অনুবাদের অভিজ্ঞতা, যা ফোনে Google অনুবাদ অ্যাপ দ্বারা সমর্থিত। বিক্ষোভকারীদের মধ্যে একজন দ্রুত স্প্যানিশ কথা বলছিলেন, এবং চশমা স্বয়ংক্রিয়ভাবে ভাষাটি সনাক্ত করেছিল এবং স্ক্রিনে ইংরেজি পাঠ্য প্রদর্শন করেছিল, যখন জেমিনি আমাদের কানে ইংরেজিতে কথা বলেছিল। আমরা বিশ্ব ভ্রমণকারীরা এই অভিজ্ঞতার জন্য চশমা কিনতে দেখতে পাচ্ছি।

মনে রাখবেন অনুবাদ চশমাতে পাঠ্য প্রদর্শন না করে শুধুমাত্র অডিও চশমাগুলিতেও কাজ করবে৷ পরিবর্তে, আপনি রিয়েল-টাইম অডিও ভাষ্য ছাড়াও প্রয়োজনে আপনার ফোনে প্রতিলিপি দেখতে পারেন।

আরেকটি প্রদর্শনীতে নেভিগেট করার জন্য চশমা ব্যবহার করা ছিল। যদিও আমরা স্পষ্টতই হাঁটার জন্য যেতে পারিনি এবং এর নির্ভুলতা পরীক্ষা করার জন্য প্রাঙ্গন ছেড়ে যেতে পারিনি, আমরা এটি কীভাবে কাজ করে তার একটি ধারণা পেতে সক্ষম হয়েছি। আপনি মিথুনকে একটি গন্তব্যে নেভিগেট করতে বলে Google মানচিত্রের অভিজ্ঞতা শুরু করতে পারেন, যা এমনকি “নিকটতম কফি শপ” এর মতো অস্পষ্ট হতে পারে।

Gemini আপনার ফোনে Google Maps সক্রিয় করবে, এবং অভিজ্ঞতা লোড হওয়ার সময় অল্প বিলম্বের পরে, চশমাগুলি পালাক্রমে দিকনির্দেশ প্রদর্শন করবে। আপনি যখন সামনের দিকে তাকাচ্ছেন, তখন আপনার পরবর্তী পালা সংক্রান্ত তথ্য প্রদর্শিত হবে। কিন্তু যদি আপনি নিজেকে মহাকাশে অভিমুখী করতে চান, তাহলে মানচিত্রে আপনার নীল বিন্দু দেখতে নিচের দিকে তাকান। আপনি মহাকাশে ঘোরার জন্য বাম এবং ডানদিকে ঘোরাতে পারেন, ঠিক যেমন আপনি আপনার ফোনে নীল বিন্দুটি সঠিক দিকে নির্দেশ করার চেষ্টা করবেন।

তারপর, আপনি যখন পিছনে তাকান, তখন আপনি মানচিত্রটি আপনার পথে না পেয়ে হাঁটা চালিয়ে যেতে পারেন।

যেহেতু অভিজ্ঞতাটি আপনার ফোনে Google মানচিত্রের সাথে লিঙ্ক করা আছে, সেভ করা গন্তব্য যেমন “বাড়ি” এবং “কাজ” এখন উপলব্ধ হবে৷

আমরা আমাদের দৃষ্টিভঙ্গিতে বিভিন্ন বস্তু শনাক্ত করতে এবং সেগুলি সম্পর্কে প্রশ্ন জিজ্ঞাসা করতে সংক্ষিপ্তভাবে চশমা ব্যবহার করতে সক্ষম হয়েছি। প্রাথমিকভাবে, চশমা আমাদের সামনে একটি শেলফে একটি Monet পেইন্টিং এর একটি প্রতিরূপ সনাক্ত করতে অসুবিধা ছিল, কিন্তু এটি কারণ প্রোটোটাইপ স্বয়ংক্রিয়ভাবে ক্যামেরা সক্ষম করেনি; অ্যাপ থেকে এটি আবার চালু করতে হয়েছিল। তারপরও, জেমিনি বলেছিল যে এটি একটি মোনেটের মতো দেখায়, আমরা নীচের বামদিকে মোনেটের স্বাক্ষরের উপর ফোকাস করার জন্য জুম করার পরেও এটি কয়েকটি প্রশ্ন নিয়েছিল৷

অন্যান্য পরীক্ষাগুলি মসৃণ ছিল, চশমাটি অবিলম্বে শেলফে থাকা উদ্ভিদটিকে সনাক্ত করে এবং একটি বইয়ের বিভিন্ন রেসিপি সম্পর্কে প্রশ্নের উত্তর দেয়। তবুও, এই জিনিসগুলি আপনি আজকে Google Lens (বা চ্যাটবট অ্যাপে তৈরি অন্যান্য AI মডেলগুলি) দিয়ে করতে পারেন, যদিও আমরা মনে করি আপনার ফোনটি বের না করেই সেগুলি করতে সক্ষম হওয়া দুর্দান্ত।

গুগল বলেছে যে এই বছরের শেষের দিকে তার অ্যান্ড্রয়েড এক্সআর ডিসপ্লে চশমা সম্পর্কে আরও বেশি কিছু শেয়ার করতে হবে, যখন এটি তার বিশ্বাস পরীক্ষার প্রোগ্রামটি প্রসারিত করবে।

ইতিমধ্যে, সংস্থাটি বিশ্বাস করে যে অডিও কিছু ব্যবহারকারীর প্রয়োজনের জন্য যথেষ্ট হবে, যা সম্ভবত এই ফ্রন্টে মেটা এবং স্ন্যাপ-এর প্রতিযোগিতা থাকা সত্ত্বেও এটি ডিসপ্লে চশমার জন্য প্রস্তুত নয় কিনা তা পরীক্ষা করার একটি স্মার্ট উপায়।

ডিসপ্লে সংস্করণের মতো, অডিও চশমাগুলিও Google-এর জেমিনি AI-তে অ্যাক্সেস সরবরাহ করে, যা চশমার স্পিকারের মাধ্যমে ব্যক্তিগতভাবে শোনা যায়। আপনি ভবিষ্যতের স্ক্রিন সংস্করণে যেমনটি করতে পারেন, এই চশমা থেকে আপনি চশমা দিয়ে গান শোনা, ছবি তোলার জন্য একটি বোতাম টিপুন, একটি কল করতে বা আপনার ফোনের অ্যাপ্লিকেশানগুলিতে ট্যাপ করার মতো জিনিসগুলি করতে পারেন৷

অন্যান্য থার্ড-পার্টি অ্যাপ্লিকেশানগুলি অ্যাক্সেস করা আমাদের প্রদর্শিত আইটেমগুলির মধ্যে ছিল না, তবে চশমা ব্যবহারকারীদের জেমিনিকে “এই রেসিপিতে উপাদানগুলি নিন এবং সেগুলিকে আমার কেনাকাটার তালিকাতে যুক্ত করুন” এর মতো জিনিসগুলি করতে বলবেন৷

ইভেন্টের উপস্থাপনার সময় Google যে অন্য একটি উদাহরণ দেখিয়েছিল, চশমাটি একটি খাবার দেখতে পারে যা ব্যবহারকারী চুলায় রান্না করছে এবং খাবার সম্পর্কে প্রতিক্রিয়া প্রদান করে, যেমন মাংস এখনও পুরোপুরি রান্না হয়েছে কিনা।