Egy indiai születésű, korábban videojáték-fejlesztőként dolgozó vállalkozó olyan e-mail-alkalmazást hozott létre, amelyet kizárólag hanggal lehet kezelni – a saját, fokozatosan romló látása miatt. A Double Tap Weekend legutóbbi adásában Sriram Ganesh, a Lumin nevű app alapítója mesélt arról, hogyan jutott el a játékfejlesztéstől a hozzáférhető technológiáig, és hogyan működik a gyakorlatban egy olyan postafiók, amelyet sosem kell megnézni – csak meghallgatni.
Az e-mailezés az egyik legalapvetőbb mindennapi feladat, amely vak vagy gyengénlátó felhasználók számára mégis komoly akadályokat rejt: sűrű szöveg, apró gombok, zsúfolt elrendezés. A Lumin ezt a problémát próbálja megoldani úgy, hogy a teljes felhasználói élményt hangra építi – nem kiegészítésként, hanem kiindulópontként.
Egy játékfejlesztő, akinek megváltozott a látása
Sriram Ganesh Indiában nőtt fel, és tizenhárom évesen látott életében először számítógépet – a Sesame Street (magyarul Szezám utca) egyik jelenetén keresztül, amely annyira lenyűgözte, hogy elindította a pályáján a számítástechnika felé. Videojáték-fejlesztést tanult, és programozóként dolgozott, többek között Walesben és Skóciában, a dundee-i Abertay Egyetemen.
Körülbelül másfél évtizeddel ezelőtt alapította első vállalkozását, a Whodat nevű céget, amely kiterjesztett és virtuális valóság (augmented és virtual reality, AR/VR) technológiákkal foglalkozott. A cég kezdetben kereskedelmi és ingatlanpiaci felhasználásra fejlesztett megoldásokat – például olyan alkalmazásokat, amelyekkel még a bútorok beszerzése előtt virtuálisan be lehetett rendezni egy szobát –, végül azonban az oktatás bizonyult a legnépszerűbb alkalmazási területnek: a diákok mozgó bolygókat vizsgálhattak, és élményszerűen tanulhattak elvont témákat. Ezt a céget 2021-ben a Byju’s nevű indiai oktatástechnológiai óriáscég felvásárolta, Sriram pedig négy éven át a Disney-vel együttműködésben fejlesztett gyerekeknek szóló termékeket.
A fordulópont a saját látásromlása volt. Sriram tizedikes kora óta rövidlátó, szemüveget hordott, azonban harmincévesen észrevette, hogy egyre nehezebben olvas – a szöveg szemüveggel is homályos maradt. Ekkor diagnosztizálták nála a cone-rod dystrophiát, egy progresszív szembetegséget, amely elsősorban a központi látást érinti, miközben a perifériás látás viszonylag erősebb marad.
Mivel a karrierje – a játéktervezés, a fények és árnyékok finomhangolása – korábban szinte teljes egészében a látására épült, a diagnózis komoly törést jelentett egy olyan időszakban, amikor – saját szavai szerint – pályája csúcsán állt, és úgy érezte, még messze nem végzett azzal, amit el akart érni. Orvosokkal és akadálymentesítési szakértőkkel egyeztetve kezdte felmérni a lehetőségeit. A képernyőolvasók, a Braille-eszközök és a VoiceOver kiváló technológiáknak bizonyultak, de – tapasztalata szerint – komoly tanulási görbével jártak. Ez a felismerés vezette el ahhoz a kérdéshez, hogy vajon ez a legjobb-e, amit a technológia ma nyújtani tud a látássérült felhasználóknak.
Nem csak hangvezérelt: kizárólag hangra épülő felület
Ahogy Sriram a vak és gyengénlátó közösség tagjaival beszélgetett, egyértelművé vált számára, hogy a hang már eleve központi szerepet játszik a mindennapjaikban: a képernyőolvasók felolvasnak, sokan beszéd-szöveg átalakítást használnak a telefonjukon, és hangoskönyveket hallgatnak. A hang tehát már ismerős és megbízható csatorna volt – csak éppen a rendelkezésre álló hangalapú eszközök nem voltak elég kifinomultak ahhoz, hogy komolyabb, tartalmi munkát is el lehessen velük végezni.
Ez különösen igaz volt az e-mailezésre, amellyel Sriram maga is nap mint nap küszködött: egy-egy hosszabb bekezdést be kellett nagyítania, szóról szóra, betűről betűre kellett olvasnia, és egy hárombekezdéses levél elolvasása is akár tíz percet vett igénybe. Válaszíráskor gyakran hibázott – például elgépelte a címzett nevét –, mert nem tudta ellenőrizni az eredményt. Ez az élmény, ahogy fogalmazott, az önállóság és a kontroll hiányának érzését keltette: mindig szüksége volt valakire, aki ellenőrzi a munkáját.
Erre a problémára válaszul született meg a Lumin koncepciója: egy olyan hangalapú felület, amellyel mély, tartalmi jellegű munkát is el lehet végezni – és amelynél a felhasználónak nem kell utólag ellenőriznie az eredményt, mert megbízhat benne. A fejlesztők ezért az e-mail-kezeléssel kezdték, mivel úgy találták, alig létezik olyan eszköz, amely az e-mailezés teljes folyamatát – olvasást, válaszírást, rendszerezést – megbízhatóan és gyorsan kezelné hanggal.
A Lumin a gyakorlatban nem csupán hangvezérelt, hanem kizárólag hangalapú alkalmazás: a képernyő gyakorlatilag egyetlen gombra redukálódik, amellyel elindítható a beszélgetés. Ezután a felhasználó és az alkalmazás – amelyet szintén Luminnak hívnak – természetes párbeszédet folytat, amely inkább egy telefonhíváshoz hasonlít, mint egy hagyományos alkalmazás kezeléséhez: a „hívás” közben lehetőség van némításra vagy a beszélgetés befejezésére is.
A mesterséges intelligencia szerepe és a megbízhatóság kérdése
Sriram elmondása szerint a Lumin működése erősen támaszkodik a mesterséges intelligenciára (MI) – enélkül szerinte egyáltalán nem lehetne olyan terméket építeni, amilyet elképzeltek. Ehhez szerinte két alapvető feltételnek kell teljesülnie.
Az első a képesség: a legtöbb ma elterjedt hangalapú asszisztens – például a Siri vagy az Alexa – csak egyszerű, elszigetelt parancsokat képes végrehajtani, mint egy ébresztő beállítása vagy egy emlékeztető hozzáadása. Az e-mailezés ehhez képest jóval összetettebb feladat: egy levél elolvasása, egy hosszabb beszélgetésszál összefoglalása, a tartalom pontosságának biztosítása, archiválás vagy törlés, helyesírás-ellenőrzés és javítás, majd a végleges elküldés – mindezt hanggal kell tudni elvégezni.
A második tényező a megbízhatóság: honnan tudja a felhasználó, hogy egy elküldött levél valóban hibátlanul készült el? Sriram egy egyszerű példával szemléltette a problémát: ha egy levélben egy olyan névre hivatkozik, amelyet nem ismer – mondjuk „Michelle”, amelyet írhatnak egy vagy két „l” betűvel is –, a rendszernek fel kell ismernie, hogy bizonytalan a helyesírásban, és rá kell kérdeznie a feladónál a pontos írásmódra ahelyett, hogy egyszerűen találgatna. Számtalan ehhez hasonló apró döntés szükséges ahhoz, hogy a termék valóban megbízhatóan működjön – mindezt pedig az adatvédelmi és biztonsági szempontok figyelembevételével kell megoldani.
Élő bemutató a stúdióban
A beszélgetés során Sriram élőben is bemutatta a Lumin működését. Az alkalmazás felolvasta a bejövő leveleket, majd kérésre részletesebben is összefoglalta az egyik feladó, Aaron de Blasi üzenetének tartalmát, és sikeresen archivált egy kiválasztott levelet.
Ezt követően egy teljes levelet is megírt és elküldött: Sriram megkérte a Lumint, hogy keresse ki Steven Scott – a Double Tap egyik műsorvezetőjének – e-mail-címét, majd fogalmazzon meg egy köszönőlevelet, amelyben megemlíti, hogy jól érezte magát a podcastben, és hogy izgatottan várja, hogy a hallgatók kezébe kerüljön a termék. A levélbe egy másik személyt is másolatba tett, majd jóváhagyta a tárgysorát, és elküldte az üzenetet – mindezt kizárólag hangutasításokkal.
A műsorvezetők utólag megerősítették, hogy a levél valóban megérkezett, ezzel alátámasztva, hogy a bemutató valós időben, előkészítés nélkül zajlott. Sriram szerint gyakran kapja azt a kérdést, hogy egy-egy ilyen demonstráció nem előre megrendezett-e, ezért szokott ilyenkor tudatosan egy ellenőrizhető e-mailt is küldeni a beszélgetőpartnerének. A válaszidőt a műsorvezetők meglepően gyorsnak találták – volt ugyan némi késleltetés, de lényegesen rövidebb, mint amire számítottak egy ilyen összetett feladatnál.
Adatvédelem és biztonság
Mivel a Lumin a felhasználó teljes postafiókjához hozzáfér, az adatvédelem kulcskérdés. Sriram szerint a fejlesztés kiindulópontja maga a felhasználó: mivel ő is gyengénlátóként érzékeny adatokat kezel a saját postafiókján keresztül, elsődleges szempont, hogy a felhasználók bizalma ne sérüljön.
A Lumin jelenleg felhőalapú szolgáltatásként működik, nem a készüléken futtatja a feldolgozást – ennek oka, hogy a megbízható és gyors működéshez szükséges technológia egyelőre csak a felhőben elég érett. A fejlesztők állítása szerint kiemelt felhőszolgáltatókkal dolgoznak, amelyekkel szerződéses garanciát kötöttek arra, hogy az adatokon nem tanítják a saját modelljeiket. A Gmail-adatokat közvetlenül a Gmail szervereiről kérik le, kizárólag a felhasználó előzetes engedélyével és hozzájárulásával.
Az alkalmazás emellett egy köztes rétegben bizonyos adatokat is tárol a gyorsabb működés érdekében: ilyen a kapcsolattartói lista, a felhasználó által megadott preferenciák (például hogy egy adott kollégának mindig egy konkrét e-mail-címen írjon), valamint a beszélgetések átiratai, amelyek segítségével a rendszer megtanulja és személyre szabja a felhasználó szokásait.
A felhasználók három szinten kaphatnak kontrollt az adataik felett: megkérdezhetik a Lumintól, milyen információkat tárol róluk; kérhetik, hogy egy adott adatot vagy preferenciát felejtsen el; illetve az alkalmazás fiókbeállításaiban teljesen törölhetik a fiókjukat. Utóbbi esetben a fejlesztők szerint 24 órán belül minden, a felhasználóhoz köthető adat – beleértve a Google-fiókhoz való hozzáférési jogosultságot is – törlődik a rendszerükből.
Elérhetőség, ár és a jövőbeli tervek
Az interjú idején a Lumin még csak iPhone-on volt elérhető, és kizárólag Gmail-fiókokat támogatott, az Outlook és más szolgáltatók, valamint a naptárkezelés integrálása a tervek között szerepelt. A műsorvezetők az adás közreadásakor jelezték, hogy az interjú óta a Lumin megjelent az Apple App Store-ban – a beszédfelismerés által korábban „Lumen”-ként rögzített nevet a fejlesztők „L-U-M-I-N” formában betűzték, ez a hivatalos írásmód.
Az árazásról Sriram elmondta, hogy a végleges modellt még nem alakították ki. A fejlesztők tisztában vannak azzal, hogy a vak és gyengénlátó közösségben magasabb a munkanélküliségi ráta, így a célközönség árérzékeny lehet – ezért is törekednek arra, hogy a terméket egy szélesebb piac számára is vonzóvá tegyék, hogy a költségek ne kizárólag a korai felhasználói körre nehezedjenek. A vállalatot jelenleg befektetők finanszírozzák, a csapat pedig egyelőre arra koncentrál, hogy olyan terméket építsen, amely önmagában is elég értéket teremt – a monetizációs modellt ezt követően szándékoznak kidolgozni.
A hosszú távú tervek között szerepel a Lumin elérhetővé tétele további platformokon, köztük Androidon, Windows és Mac gépeken is, jelenleg azonban a fejlesztők tudatosan az iPhone-os élmény tökéletesítésére összpontosítanak, mivel ez szolgál bizonyítékul a koncepció működőképességére a további fejlesztésekhez.
Összegzés
A Lumin abból a személyes tapasztalatból született, hogy a meglévő akadálymentesítési eszközök – bármilyen hasznosak is – nem mindig elegendők egy összetettebb, mindennapi feladat, például az e-mailezés hatékony elvégzéséhez. A hangalapú, kizárólag beszéddel vezérelt felület és a mesterséges intelligenciára épülő működés révén Sriram Ganesh csapata olyan alkalmazást próbál felépíteni, amelyben a felhasználónak nem kell utólag ellenőriznie a saját munkáját – ez a bizalom pedig, ahogy a stúdióbeli bemutató is mutatta, a termék egyik legfontosabb próbaköve marad a további fejlesztés során.
A cikk a Double Tap podcast 2026. szeptember 19-i adása alapján, AI felhasználásával készült, ezért apróbb pontatlanságokat tartalmazhat.