অন্ধদের দৃষ্টি সহায়তায় আর্টিফিশিয়াল ইন্টেলিজেন্স এপ্লিকেশন

অনেক দিন আগে হতেই এমন একটি এপ্লিকেশন তৈরীর কথা ভাবছিলাম যাতে যারা অন্ধ বা চোখে দেখতে পারেন না তাদের দৃষ্টি সহায়তায় যদি কিছু করা যেতো…

আসলে “দৃষ্টিশক্তি না থাকলে বোঝা যায় চোখের মূল্য কতোখানি” তথাপি AI এর মাধ্যমে দৃষ্টিশক্তি ফিরিয়ে আনা সম্ভব না হলেও অন্তত দৃষ্টিগত কিছুটা ইফিসিয়েন্সি বা সহায়তা লাভ করা যেতে পারে; এক্ষেত্রে অপটিক্যাল সেন্স’টিকে AI হতে অডিটরীয়াল সেন্স হিসেবে কনভার্ট করে একজন দৃষ্টিপ্রতিবন্ধী ব্যক্তি নিজে সেল্ফ ডেভোলপড হতে পারেন।

মূলত AiVision এপ্লিকেশন’টি মোবাইল ব্রাউজার হতে ক্যামেরা পারমিশন নিয়ে সামনে থাকা যেকোন কিছু ডিটেক্ট করে AI এর মাধ্যমে এনালাইসিস করে ইউজার’কে অডিও আকারে জানিয়ে দিতে পারবে – এতে করে একজন সাধারন দৃষ্টিশক্তিহীন মানুষ জানতে পারবে তার সামনে এবং আশেপাশে ঠিক কি আছে এবং বুঝতে পারবে এই মুহূর্তে কি অবস্থানে আছেন।

এপ্লিকেশন ফিচার

1. ক্লিন ইন্টারফেইস ও অ্যাক্সেসিবিলিটি: যেহেতু এটি দৃষ্টিশক্তিহীন মানুষদের জন্য ডেডিকেটেড এপ্লিকেশন সেহেতু যথাসম্ভব ক্লিন ইন্টারফেইস রাখা হয়েছে – প্রথমে হয়তো একজন মানুষের সহায়তার প্রয়োজন হবে এপ্লিকেশন’টি Setup এবং Run করানোর জন্য। তথাপি এটিকে এন্ড্রয়েড এপ্লিকেশন আকারে তৈরী করলে সহজেই Android Accessibility হতে Voice Commands (TalkBack) এর মাধ্যমে সহজেই নেভিগেট এবং ইউজ করা সহজতর হবে।
   সুতরাং এখন অবধি এটাকে স্রেফ একটি আইডিয়াল প্রোটোটাইপ হিসেবেই প্রেফার করা যেতে পারে।
2. ক্যামেরা পারমিশন ও API সংযোগ: শুরুতেই এপ্লিকেশনটিকে ক্যামেরা পারমিশন দিতে হবে যেন তা ব্রাউজার হতে ওয়েব ক্যাম এক্সেস নিতে পারে এবং AI ইন্ট্রিগেশানের জন্য Gemeni, OpenAi, GorkAi, DeepSeek এবং Open Router এর API কানেক্ট করতে হবে [এই কাজটিও একজন সহায়ক সেটআপ করে দিবেন অথনা প্রি-ইনস্টল থাকতে পারে]।
3. অডিটরিয়াল বর্ণনা: চারপাশের দৃশ্য অডিটরিয়াল বর্ণনাতে ব্যবহারকারী যখন ক্যামেরা যেকোনো দিকে তাক করানো থাকে তখন AiVision তাৎক্ষণিকভাবে সেই দৃশ্যের একটি বিস্তারিত বর্ণনা তৈরি করে এবং অডিও এর মাধ্যমে মাধ্যমে শুনিয়ে দেয়। এটি শুধু ‘একটি টেবিল’ বলে না, বরং ‘আপনার সামনে একটি কাঠের টেবিল আছে, তার ওপরে একটি জলপাত্র ও একটি বই রাখা’ – এরকম স্পষ্ট ও প্রাসঙ্গিক বর্ণনা দেয়; একইসাথে সেই কমিউনিকেশন কন্টিনিউ রাখা যায়।
4. OCR (অপটিক্যাল ক্যারেক্টার রিকগনিশন): সাইনবোর্ড, লেবেল বা কাগজের লেখা অডিওলাইজ করতে AiVision-এর OCR ক্যাপাবিলিটি ব্যবহার করে তাতে যেকোনো লেখা চিনতে এবং পড়ে শোনাতে সক্ষম। রাস্তার সাইনবোর্ড, দোকানের নাম, ওষুধের লেবেল, রেস্তোরাঁর মেনু ইত্যাদি যেকোনো লেখাই অডিও এর মাধ্যমে ব্যবহারকারীকে শুনিয়ে দিতে পারে। দৃষ্টিপ্রতিবন্ধীদের জন্য টাকার নোট চেনা একটি বড় চ্যালেঞ্জ এক্ষেত্রে AiVision বিভিন্ন মূল্যের নোট শনাক্ত করতে পারে এবং নোটের মূল্যমান বলে দেয় যা দৈনন্দিন কেনাকাটার ক্ষেত্রে অত্যন্ত কার্যকরী হতে পারে।
5. নিরাপদ চলাচল ও বাধা সতর্কতা: নিরাপদ চলাচলের জন্য আশপাশের বাধা সম্পর্কে সতর্কতা অত্যন্ত গুরুত্বপূর্ণ যাতে AiVision সিঁড়ি, বাধা ও ঝুঁকি, দেয়াল, পড়ে থাকা জিনিস এসব শনাক্ত করে ব্যবহারকারীকে সতর্ক করতে পারে।
6. অডিও কমান্ড এবং হ্যান্ডস-ফ্রি অপারেশন: অডিও কমান্ড এবং কমিউনিকেশনে AiVision শুধু আউটপুটই দেয় না বরং ইউজারের ভয়েজ হতেও কমান্ড গ্রহণ করে – তাতে ব্যবহারকারী প্রশ্ন ও নির্দেশ দিতে পারেন যেন সবকিছুই হ্যান্ডস-ফ্রি উপায়ে অপারেট করা যায়।

ইমেইজ জার্নি:

এপ্লিকেশন (ওপেন সোর্স): AiVision

এছাড়াও অফিশিয়ালি দৃষ্টিপ্রতিবন্ধীদের দৃষ্টিগত সহায়তায় Microsoft Seeing AI, Google Lookout, Be My AI, BlindSpot-VisionGuide, AI স্মার্ট গ্লাসেস এর মতো টেকনোলজি সহায়ক ভূমিকা পালন করতে পারে।

সবিশেষ যারা দৃষ্টিশক্তিহীন তাদের সাধারণ জীবনযাপন একটু সহজ করতে পারলে তবেই এই প্রয়াসের স্বার্থকতা।

ওয়েব আমন্ত্রণ রইলো : PsychoTech
সকলের জীবন সুখী ও সুন্দর হউক সেই শুভকামনা রইলো।