A legújabb Double Tap-epizódban VoiceOver-trükkök, mesterséges intelligenciával írt játékmódok, tízezres fotókönyvtárak és megbízhatatlan diktálás kerültek terítékre — mind olyan témák, amelyek a látáskorlátozott felhasználók mindennapjait közvetlenül érintik.
Steven Scott és Shaun Preece ezúttal is főként hallgatói üzenetekre támaszkodott: Missouri-tól Edinburgh-ig érkeztek be a tapasztalatok, és az epizód hangulata ahhoz az informális, de lényegre törő stílushoz hű, amiért a műsor törzsközönsége visszajár.
—
Egy apró Bluetooth-beállítás, ami sokat számít
James Missouri-ból küldött be egy tippet, amelynek hasznossága jóval meghaladja azt, amennyit egy egyszerű beállítás első ránézésre sejtet. A probléma: ha iPhone-on a VoiceOver (az Apple beépített képernyőolvasója) Bluetooth-hangszóróhoz csatlakozik, a képernyőolvasó hangja a hangszórón keresztül szólal meg, nem a telefon belső hangszóróján — holott a legtöbb felhasználó éppen az ellenkezőjét várná.
A megoldás a Bluetooth-beállításokban rejlik. A csatlakoztatott eszköznél meg kell nyitni az „Egyéb információ” (More Info) panelt — ezt a képernyőn megjelenő gombbal vagy a VoiceOver-rotor megfelelő opciójával lehet elérni —, majd a „Device Type” (Eszköztípus) mezőt „Speaker”-re (Hangszóró) kell állítani. Ettől a rendszer a csatlakoztatott eszközt tisztán hangszóróként kezeli, nem univerzális audioútvonalként, és a VoiceOver visszakerül a telefon saját hangszórójára.
Két dolgot érdemes észben tartani. A beállítás nem marad meg: ha az eszközt törlik a párosított eszközök listájáról, újracsatlakozáskor a folyamatot meg kell ismételni. Csatlakozáskor a VoiceOver egyszer még a hangszórón szólal meg — ezt úgy lehet orvosolni, hogy a képernyőolvasót ki-, majd visszakapcsolják.
Steven megerősítette, hogy a rotorban található hangrepertoár-opció (audio destination) sohasem volt igazán megbízható erre a célra. Saját tapasztalataként megemlítette: egyszer egy buszhoz csatlakozott véletlenül Bluetooth-on, és a VoiceOver a jármű hangszórói felé kezdte küldeni a hangot — ami elég zavarba ejtő helyzetnek bizonyult.
—
AI-segített fejlesztés: kell-e hozzá kódolni tudni?
A vibe coding — az a megközelítés, amelynek során a felhasználó természetes nyelven utasítja a mesterséges intelligenciát, és az AI írja a tényleges kódot — az epizód egyik leghosszabb vitájává nőtte ki magát. A téma egy korábbi adásból gyűrűzött tovább: Steven akkor bemutatta, hogyan készített NVDA-bővítményt (az NVDA egy ingyenes, nyílt forráskódú képernyőolvasó Windowsra) AI segítségével. Az adásra két hallgató is reagált.
Chris New York-ból az Untitled Goose Game nevű játékhoz fejlesztett akadálymentesítési modot, szintén Claude AI-t használva. Tapasztalata szerint a megfelelően megfogalmazott utasítás — a programozók zsargonjában „prompt” — a munka kulcsa, és valamennyi informatikai alapismeret is sokat segít. Steven ezzel nem egészen ért egyet: szerinte az lenne az ideális, ha az AI eleve biztonságos, hozzáférhető kódot állítana elő anélkül, hogy a felhasználónak kódolói háttérrel kellene rendelkeznie. A vita mögött valódi kérdés húzódik: a vibe coding mennyire demokratizálja a szoftverfejlesztést, és mennyire marad technikai alapismeretet feltételező tevékenység?
Allison Malloy egy másik nézőpontot hozott be. Ő egy űrtémájú játékon dolgozik Claude segítségével: a generált kódot az Xcode fejlesztői környezetbe másolja, majd iPhone-on teszteli. Ami őt leginkább meglepte, az a változtatások sebessége — amit korábban napokig tartott volna megvalósítani, az most órákon belül kész.
Steven saját projektjeit is megemlítette: készített egy NVDA-bővítményt, amely titkosított hangos üzenetváltást tesz lehetővé, és dolgozik egy e-mail kliens fejlesztésén is. Egyik fontos tapasztalata: az AI-nak megadott globális szabályokra érdemes odafigyelni. Ha a modellt nem korlátozzák, előfordulhat, hogy csak az adott gépre szabott megoldást keres, nem általánosan működő kódot.
A vibe codingot Steven a nyolcvanas évek otthoni számítógépes programozásához hasonlítja: mindenki a saját igényeire fejlesztett, nem terméket akart piacra vinni. Ebben a keretben értelmezhető az a jövőkép is, amelyet mindketten felvázolnak: a látáskorlátozott felhasználók akadálymentesítési szakértőként is el tudnak majd helyezkedni — nem feltétlenül kódírói szerepben, hanem a felhasználói élmény ismerőiként, akik pontosan tudják, mire van szüksége a képernyőolvasót használó személynek.
A Claude mint eszköz kapcsán Allison és Steven egyaránt a pontosságát emeli ki. Van azonban egy nem elhanyagolható akadálymentesítési hiányossága: ha a Claude befejezi a választ, nem olvassa fel automatikusan — míg a ChatGPT ezt alapértelmezés szerint megteszi. Steven talált egy kerülő megoldást: a Piper TTS szövegfelolvasó rendszer „Alan” nevű hangjával automatikusan el lehet érni a felolvasást, bár ez egyúttal azt is jelenti, hogy azt nem lehet könnyen leállítani.
A vita egy tágabb összefüggést is felvet: a vibe coding hosszú távon megváltoztathatja az akadálymentesítési érdekérvényesítés módját is. Ma egy látássérült felhasználó úgy tud panaszt tenni egy cégnek, hogy elmagyarázza a problémát, esetleg képernyőfelvételt készít a képernyőolvasóval való interakcióról. A jövőben — ha az érintett felhasználó maga is képes prototípust létrehozni — már nem csak a hiányt lehet bemutatni, hanem egy működő megoldást is. „Nem csupán azt mondod, hogy ez nem akadálymentes, hanem azt is megmutatod, milyen lehetne” — foglalta össze Steven. Ez az eltolódás — a panaszból a javaslatba — a képernyőolvasót használó fejlesztői közösség egyik legígéretesebb lehetősége.
—
Hat ezer fotó, és hogyan azonosítsuk őket
Donnie Oklahoma-ból részleges látással rendelkezik, és hat ezer fotóval teli iPhone-könyvtárát szeretné rendbeszedni. Különösen a személyek azonosítása érdekli: ki szerepel az egyes képeken. Emellett papíralapú fényképeket is szeretne digitálisan leírtatni. Számos megközelítést kipróbált már — köztük a Be My Eyes alkalmazást, a Seeing AI-t (a Microsoft akadálymentesítési célú képfelismerő alkalmazása), az Airát és a VoiceOver beépített képleírási funkcióját —, de egyik sem hozta meg a várt eredményt.
Steven több javaslatot is tett. Az egyik a legkézenfekvőbb, és sokszor elkerüli a figyelmet: az iOS beállításaiban az Akadálymentesítés → VoiceOver → Képernyőfelismerés útvonalon bekapcsolható a képleírás, amely automatikusan szöveges leírást ad a fotókról. A Be My Eyes alkalmazásban is elérhető egy „Describe with Be My Eyes” funkció, amely a fényképtárnál a megosztás menüből nyílik meg, és részletesebb AI-alapú leírást nyújt.
A Mac Photos alkalmazás szintén szóba került: képes embereket és háziállatokat azonosítani, és csoportosítja a hasonló személyeket ábrázoló képeket — különösen nagy könyvtárak esetén hasznos, ha a felhasználónak van Mac-je. A Photos ráadásul a metaadatok alapján helyszínt is tud rendelni a képekhez, és az időbeli kontextus is segíthet: az alkalmazás megbecsüli, mikor készülhetett a felvétel. A várható iOS 27-es frissítés kapcsán Steven javított képleírási képességeket vár; az Apple Intelligence várható fejlesztései a képleírás terén is előrelépést ígérnek.
A személyek azonosítása ugyanakkor marad a nehezebb feladat. Ha valaki egyedül él és vak, nem feltétlenül tudja, ki van a régi fotókon — hacsak az alkalmazás nem tud kontextust is adni: mikor, hol, milyen körülmények között készülhetett a kép. Erre ma még csak részleges megoldások léteznek, és a mesterséges intelligencia egyelőre nem helyettesíti a személyes ismeretet.
Donnie egy figyelemre méltó megfigyelést is megosztott: ha valaki leírja neki a képen látottakat, a kép szinte megelevenedik. Szembe kell néznie azzal, hogy ha valaki megmond valamit, a képe azonnal megjelenik. Steven azonosult ezzel: saját tapasztalata szerint is így működik ez. A leírás nem pusztán információátadás, hanem valójában a kép befogadásának feltétele — innen érthető, mennyire fontos, hogy az AI-alapú leírások pontosak és kontextuálisan gazdagok legyenek, ne csupán száraz technikai inventárok.
Felmerült az adatvédelem kérdése is. Személyes, esetleg érzékeny tartalmú fotók AI-alapú szolgáltatásba töltése nem kockázatmentes — érdemes tudatosan mérlegelni, melyik szolgáltatóban bízunk meg.
—
Az Apple diktálás megbízhatatlanságáról
Gavin Edinburgh-ból egy konkrét, kissé szórakoztató, de annál bosszantóbb esetről számolt be. Egy taxiban próbált gyorsan üzenetet diktálni iPhone-jára, és ahol „Scotland based” szöveget várt, ott a végeredmény „baking with beans on toast” lett. Tanácsa rövid: aki sokat használja a diktálást, ne telepítse a legutóbbi iOS-frissítést.
Steven megerősítette a problémát: a fejlesztői bétán sem látni lényeges javulást. Megpróbálta a Wispr Flow alkalmazást is — egy AI-alapú átírási eszköz, amely folyamatosan dolgozza fel a beszédet, nem szótól szóig —, és PC-n, illetve Mac-en meggyőzőnek találta. iPhone-on azonban ütközik a VoiceOver-rel: a két rendszer egyszerre próbálja értelmezni a hangbemenetet, ami megbízhatatlan eredményekhez vezet.
A diktálás problémájának mélyén valószínűleg az áll, hogy az Apple rendszere igyekszik „okos” lenni: megpróbálja előre jelezni és korrigálni, amit a felhasználó mondani akar. Ez a megközelítés akkor sül el rosszul, amikor a javítási logika félresiklik — és az eredmény nemhogy pontosabb, de teljesen értelmetlen lesz. A VoiceOver-felhasználók számára a megbízhatatlan diktálás különösen súlyos probléma, hiszen sokan épp a billentyűzetes bevitel nehézségei miatt támaszkodnak rá. Android ezen a területen egyelőre jobb megoldásokat kínál — ez a különbség a Double Tap-közönség körében visszatérő frusztráció forrása. Shaun és Steven szerint egyre többen váltanak hangüzenetekre: ha szöveges bevitel helyett hangfelvételként küldünk üzenetet, elkerüljük az átírási hibákat — de ez sem tökéletes megoldás, és iMessage-ben maga a hangüzenet-küldés sem mindig zökkenőmentes VoiceOver-rel.
Az AirPods Pro 3 is szóba került a diktálás kontextusában. Az Apple bemutatóján stúdiószintű mikrofonminőséget ígért, de Steven tapasztalata szerint a telefonhívások minősége nem változott érezhetően. Shaun egy kevésbé közismert alternatívát említett: egy papírkapocs-formájú fülcsipesz-fejhallgatót, amelynek mikrofonjai meglepően jó minőséget nyújtanak — a neve azonban az átiratból nem derül ki egyértelműen.
—
Összegzés
Az epizód négy témája első ránézésre széles skálán mozog — Bluetooth-trükköktől a fotókezelésen át az AI-fejlesztésig —, de közös nevező mindegyikben a látáskorlátozott felhasználók napi eszközhasználata. Ami kirajzolódik: az Apple saját megoldásai (VoiceOver, diktálás) nem mindig teljesítik azt, amit ígérnek, és egyre több harmadik féltől származó eszköz, illetve AI-alapú megközelítés tölti be ezt a hiányt. A hallgatói hozzászólások azt mutatják, hogy ez a közösség nemcsak passzív fogyasztója a technológiának, hanem aktívan kísérletezik, fejleszt és megosztja a tapasztalatait.
—
A cikk a Double Tap podcast 2026. július 22-i adása alapján, AI felhasználásával készült, ezért apróbb pontatlanságokat tartalmazhat.