Google 推出更多無障礙功能，藉由 AI 加強螢幕閱讀器的分析、互動功能

【此文章來自：Mashdigi】

在蘋果因應 5 月 16 日的全球無障礙體認日 (Global Accessibility Awareness Day) 推出諸多無障礙功能後，Google 也同樣在全球無障礙體認日推出多款在 Android、Chrome 的無障礙功能。





其中，Google 將 Gemini 人工智慧技術整合至 Android 螢幕閱讀器「TalkBack」功能內，即使螢幕顯示內容沒有具體文字內容，依然可透過人工智慧方式生成圖像描述，甚至也能進一步針對描述內容進行提問，例如可回答圖像中人物穿著細節、穿戴配件等，另外也能透過此功能查詢購物服務呈現商品的材質、是否有額外折扣等。



而在新版「Expressive Captions」字幕功能，則是進一步利用人工智慧技術分析影片中人物說話語氣，並且讓生成字幕透過額外描述方式詮釋更多「情緒」，例如當賽事講解人員激動表達進球時高喊「精彩得分」時，生成字幕會在後續加上「～～～～！」之類的標點符號，或是加上相關聲音標籤，藉此呈現不同解說情緒，讓更多聽障者透過字幕也能感受講解人員當下激動情緒。

不過，此功能將僅先針對英語使用地區提供，包含美國、英國、加拿大、澳洲境內搭載 Android 15 以上的裝置均可使用。



藉由 2019 年啟用的「Euphonia」項目，讓非當地語言使用者也能順利使用語音辨識功能，例如讓非英語使用者在使用生澀的英語發音下達聲控指令時，依然可讓語音辨識功能正常識別運作。而「Euphonia」項目目前已經透過 GitHub 提供開源程式碼資源，讓更多人可以打造客製化應用服務，或是訓練不同語音識別效果。

另外，Google 也透過其 Google.org 單位協助英國倫敦大學學院創建數位語言包容中心 (CDLI)，改善非洲非英語使用者的語音辨識技術，其中建立 10 種非洲語言的開源資料集，並且建立新語音辨識模型，使其能應用在更多語音識別應用服務。

其他更新部分，則包含加入可讓身障者透過臉部表情操作 Chromebook，並且在閱讀模式加入更多自訂選項，同時也能透過螢幕閱讀器「TalkBack」功能檢視螢幕顯示內容，或是透過字幕觀看影片，而透過 OCR 光學字元辨識技術更讓 Chrome 瀏覽器能更容易識別 PDF 文件內容，甚至能進一步選取、複製或搜尋 PDF 文件的文字內容，另外也能透過自動放大效果，讓視障者更容易透過 Chrome 瀏覽器檢視網頁內容。