Az RNIB Tech Talk 640. adásában egy iOS-es átírási alkalmazás fejlesztője, a flamand turisztikai hivatal szelfiprojektje és a londoni Sight Village szervezője szólalt meg. A rövid hírek között szó esett az Apple közelgő eseményéről, a „vibe coding” hatásáról és egy új braille-jegyzetelőről.
Az RNIB Connect Radio heti technológiai műsorát vak és gyengénlátó szemszögből készítik. A 640. adásban három nagyobb beszélgetés hangzott el, a híreket Callum Stoneman műsorvezető mellett Hubert Pavelkovic, Jackie Brown és Natalie Curran hozta.
Az interjúk közül kettőt Toby Davey készítette, ő mutatta be a szelfiprojektet és a Sight Village-et.
Perspective Transcribe: az átirat marad az eszközön
A Perspective Transcribe egy átíró és jegyzetelő alkalmazás iPhone-ra, iPadre, Macre és Apple Watchra. A fejlesztő, Taylor Arndt (Techopolis) az adásban elmondta, hogy maga is vak, emellett ADHD-val és neurodivergenciával él, és ez volt az egyik kiindulópont: ha minden hangfelvételt átírhat maga körül, később visszakereshet olyasmit is, ami másképp elveszne. Úgy látta, hogy a meglévő alkalmazások egyike sem felelt meg három igényének: a gyors kereséshez (például egy három órával korábban elhangzott mondat megtalálásához), a beszélők megkülönböztetéséhez, valamint ahhoz, hogy az átiratot könnyen át lehessen adni mesterségesintelligencia-eszközöknek. Szerinte a „vakoknak készült” és a „több fogyatékossággal élőknek is használható” alkalmazás nem ugyanaz.
A célközönség a fejlesztő megfogalmazásában elsősorban a több fogyatékossággal élők, de az oktatásban részt vevők is: a diákok, akik engedéllyel rögzítik az órákat, valamint azok, akik megbeszéléseket és munkahelyi egyeztetéseket szeretnének megőrizni. Az alkalmazás meghatározó tulajdonsága, hogy az átírás teljes egészében az eszközön történik, az adatok nem kerülnek felhőszerverre. A fejlesztő szerint ez például egyetemi környezetben fontos, ahol hallgatói adatokról lehet szó. Az alkalmazás eredetileg csak angolul működött, később mások más nyelveken is kipróbálták. A fejlesztő beszámolt egy üzenetről, amelyben egy felhasználó nyelvórán használta, és az alkalmazás képes volt nyelveket váltani. Hibák azonban előfordultak, ezért a visszajelzést kéri.
Beszélgetés a felvételekkel
A szolgáltatás egyik megkülönböztető eleme, hogy a felhasználó „chatelhet” a saját átirataival. A fejlesztő szerint az átírással az a gond, hogy a szövegek gyorsan egy „temetőbe” kerülnek, ahonnan nehéz előkeresni őket. A kérdésekre, például arra, hogy mit döntöttek egy megbeszélésen vagy melyek a teendők, az alkalmazás egy eszközön futó nyelvi modell segítségével válaszol. Az iPhone 15 Pro és újabb készülékeken ehhez az Apple beépített modelljei használhatók, más eszközökön az alkalmazás letölthető modelleket kínál fel.
A keresés visszakeresés-alapú generálásra (retrieval augmented generation, RAG) épül. Az alkalmazás először megkeresi a kérdéshez kapcsolódó részeket az átiratokban, ezeket vektoradatbázisban tárolja, vagyis számok formájában, amelyekkel a modell dolgozni tud, majd találati pontszámok alapján választja ki a releváns szövegrészeket. A válasz formáját egy előre megírt utasításrendszer határozza meg, amelyet a fejlesztő stílusútmutatóhoz hasonlított: ez adja a következetes szerkezetet, és ez gondoskodik arról, hogy a válasz megjelölje, honnan származik az információ.
A fejlesztő elmondta, hogy az eszközön futó modellekkel nehezebb dolgozni, mint egy felhőszolgáltatás beillesztésével, mert mindent maguknak kell megépíteniük. Az utóbbi két verzió fő feladata ezért az volt, hogy ez az alap stabilan működjön. A bizalmas felvételek kezelésére már vannak alapvető beállítások, például egy felvételt ki lehet zárni a csevegésből, ezeket a jövőben bővíteni szeretnék.
Az 1.2-es verzió és a platformok közti együttműködés
Az 1.2-es verzió bevezette a bekezdésekre bontott átiratot. Korábban az egész átirat egyetlen szövegtömb volt, amiben a képernyőolvasóval nem lehetett jól haladni. Most az átirat logikai bekezdésekre tagolódik, és ezek között lehet pöccintéssel lépkedni. A funkciót egy felhasználó kérte, és a fejlesztő az ő javaslata alapján építette be.
Az alkalmazás az Apple saját keretrendszereire (framework, azaz függvénykönyvtár) épül, és natív módon fut minden platformon. A kód nagy része közös, platformonként a megjelenést és az Apple által nem lefedett részleteket igazítják. Az Apple Watchon lehet felvételt indítani és leállítani, a felvétel nagyjából egy perc múlva megjelenik az iPhone-on, és ott készül el az átirat. A fejlesztő szerint az óra jelenlegi hardvere az átírásra nem alkalmas, az újabb modelleken ez később megvalósulhat, de az Apple korlátai is számítanak.
A Macen elérhető a gyorsfelvétel (quick capture), amellyel egyetlen billentyűvel rögzíthető egy adott alkalmazás hangja, például egy Discord-hívásé. A képernyőolvasó hangja nem kerül bele a felvételbe. A felvétel az iCloudon keresztül szinkronizálódik a többi eszközre. A műsorvezetők kiemelték, hogy ez virtuális megbeszéléseknél hasznos.
Hozzáférhetőség, hibakezelés és árazás
Más fejlesztőknek a vendég azt tanácsolta, hogy használják az Apple által adott vezérlőket, és ne írjanak felül mindent egyedi megoldásokkal. Az egyedi vezérlők szerinte gyakran képernyőolvasó-csapdákat okoznak, és sok fejlesztő csak a megjelenés miatt, például egy hatásosabb körhinta (carousel) kedvéért választja őket. A natív megoldások kevésbé látványosak lehetnek, de több felhasználó számára használhatók.
A fejlesztő két fős csapatban dolgozik a főnökével. A hibajegyeket egy saját súgópulton gyűjtik. A döntésnél azt mérlegelik, mennyi munka a javítás, mekkora a hatása a felhasználókra, korlátoz-e funkciót, és hogy a hiba miatt lemondanának-e az előfizetők. Ha bizonytalanok, a vezető fejlesztő dönt. A „rossz ötletek” kategóriájába sorolják azokat a szórakoztató, de a céltól elterelő fejlesztéseket, amelyekbe nem érdemes belevágni.
A tervek között szerepel egy saját billentyűzet, amellyel bármely alkalmazásban lehetne diktálni, valamint egy Zoomhoz és más szolgáltatásokhoz csatlakozó bot. Határidőt a fejlesztő nem mondott. Az alkalmazás szinte minden országban elérhető az App Store-ban, Kína kivételével, a legtöbb funkciója ingyenes, a csevegés is. Fizetős a Mac gyorsfelvétele, a teendők kinyerése az átiratból és a beszélőfelismerés, amellyel a felvételben a hangok megkülönböztethetők és címkézhetők. Az előfizetés hétnapos próbaidővel indul, ára havi hat dollár, éves előfizetésnél kedvezményt kapnak.
Selfie for All: szelfi történelmi helyszíneken
A Visit Flanders, a flamand régió turisztikai szervezete látássérült szervezetek és szakértők bevonásával dolgozta ki a Selfie for All csempéket. Az adásban a szervezet egyik munkatársa elmondta, hogy a projekt a hozzáférhető turizmus hosszú távú stratégiájába illeszkedik: a hivatal az akadálymentességi politikájának 25. évfordulóját ünnepli.
A csempe két domború lábnyomot tartalmaz, ezek jelölik a kiindulópontot. A használó a lábnyomokra áll, a látnivaló pedig ilyenkor a háta mögé kerül. Az irányításhoz a NaviLens technológiát (kamerával leolvasható kódokon alapuló hangos tájékozódás) és a Google Térképet használják, az előbbi segít megtalálni a csempét, majd a megfelelő pozíciót. Ezután a használó a kamerát maga felé fordítja, a képernyőolvasó vagy a telefon beszédtámogatása segít középre állni a kereten, és lehet exponálni. A gyengénlátók a képernyőn ellenőrizhetik a kompozíciót.
A projektben részt vevő, gyengénlátó genti önkéntes elmondta, hogy a helyi látássérült érdekvédelmi csoport fotóworkshopot is tartott. Gentben egy graffitiutcában próbálta ki a csempét, ahol a lábnyom egy T betű alakú dombormű, és stabilan lehet rá állni. Elmondása szerint a szelfizés közben járókelők is megszólították, így beszélgetés alakult ki, amit fontosnak tartott. A helyszínen történelmi ismertető is elérhető a graffitiutca múltjáról.
A csempék már több flamand városban, például Gentben és Mechelenben működnek. A szervezet szerint az év végére 50 helyszínt terveznek, és a következő években további flandriai helyszíneket. Azt remélik, hogy a koncepciót máshol is átveszik. A használatról és a helyszínekről a Visit Flanders honlapján, valamint Gent és Mechelen városi oldalain található információ.
Sight Village London: kétnapos kiállítás
A Sight Village a látássérülteknek szóló segédeszközök és szolgáltatások kiállítássorozata, amelyet a Queen Alexandra College (QAC) szervez. A londoni rendezvény október 27–28-án zajlik, kedden 9.30 és 15.30, szerdán 9 és 15 óra között, a nyugat-londoni ILEC Conference Centre-ben. A szervezők rendezvénymenedzsere az adásban elmondta, hogy a kiállítók között vannak visszatérők és új vállalkozások, köztük az Index Braille nemzetközi braille-gyártó is. Idén először jelennek meg látássérülteknek szánt játékok, a konferenciaprogramban pedig például audiójátékokról (Truman Toys & Games), a vakok és gyengénlátók sportolási lehetőségeiről és a munkahelyi támogatást érintő változásokra való felkészülésről lesz szó.
A helyszín egy szintes, akadálymentes, nyitott tér, amelyben a hangszigetelt előadóterek is megtalálhatók. A két nap alatt két teremben nagyjából 30 előadást tartanak. Ezekre nem kell előre jelentkezni, elég a helyszínre érkezni. A belépés ingyenes, de a szervezők kérik az előzetes regisztrációt, főleg a két fő rendezvény, Birmingham és London esetében, mert így gyorsabb a bejutás.
A szervezők idén hat kiállítást tartottak az Egyesült Királyságban. A rendezvénymenedzser szerint kiemelkedő volt, hogy Londont leszámítva minden helyszínen megjelent a város polgármestere, és közösségi felületeiken megosztották az eseményt. 2027-re új helyszíneket terveznek: Manchester, amelyet évek óta nem látogattak, és a Kelet-Midlands, ahol még nem volt Sight Village. Birmingham és London is szerepel a naptárban, és egy további helyszín is lehetséges.
Az Apple eseménye és a „vibe coding” hullám
Hubert Pavelkovic szerint az Apple október 28-ra új eseményt hirdetett „Pro and Tell” címmel, ami a profi eszközökre utal. A pletykák alapján érintőképernyős MacBook Prót és egy új iPad minit várnak, utóbbi nagyobb átalakítás nélkül, erősebb belsővel. A műsorvezetők a rendezvényt a következő adásban értékelik.
Az érintőképernyős Mac ötletét a műsorvezetők többsége kedvezően fogadta. Hubert szerint az iPhone és az iPad érintőélménye jó, és úgy véli, az Apple jobban megoldhatja, mint a Windows-gyártók, hiszen ő a Surface-laptopja érintőképernyőjét alig használja, noha a JAWS, az NVDA és a Narrator támogatja. Natalie Curran abban látja az előnyt, hogy a Macet első alkalommal használó, látássérült felhasználóknak sokat segíthet, ha a képernyőn tapintva felfedezhetik, mi hol található. Ő a VoiceOverrel a Windows Start menüjének hiányát tartja a legnehezebb szokásnak.
A műsorvezetők megfigyelése szerint az AppleVis közösségi oldalon az utóbbi időben feltűnően sok új hozzáférhető játék és alkalmazás jelenik meg, jelentős részük iOS-re, néhány macOS-re. Ennek hátterében a „vibe coding” állhat. Callum Stoneman úgy magyarázta, hogy a felhasználó egy mesterségesintelligencia-asszisztenssel, például a Claude-dal vagy a ChatGPT-vel közösen alakít ki egy alkalmazást, miközben a kódot a mesterséges intelligencia írja. Hozzátette, hogy ez nem egyetlen kérésből áll: tesztelni, hibát jelenteni és ellenőrizni kell, hogy az újabb változtatás nem rontott-e el valamit. Hasznos, ha a felhasználó ért valamit a szoftverfejlesztéshez, bár nem kell sorról sorra értenie a kódot. A műsorvezetők szerint ezzel több ember tud alkalmazást készíteni, és egyikük becslése szerint naponta nagyjából húsz új hozzáférhető alkalmazás jelenik meg. Ez több választékot jelenthet, de a minőség változó.
Woven Words és a Tactera braille-jegyzetelő
Natalie Curran korábban a Moxie nevű szójátékot dicsérte. Most kipróbálta ugyanazon fejlesztők másik játékát, a Moxie Animalst, amely Natalie tapasztalata szerint használhatatlan volt: a VoiceOver nem tudott kapcsolatba lépni semmivel a képernyőn. A Woven Words ezzel szemben teljesen hozzáférhető. Rácsos szójáték, amely a keresztrejtvényre emlékeztet, de nincsenek definíciók. Egyes mezőkben már van betű, a többit a játékosnak kell kitöltenie úgy, hogy vízszintesen és függőlegesen is értelmes szavak jöjjenek ki. A rács alakja nem feltétlenül négyzetes, a sorok különböző oszlopokban kezdődhetnek. Natalie szerint a Moxie-nál nehezebb, mert az csak vízszintes szavakat kér. Ha az ember egyszer végigmegy a rácson, fel tudja építeni a fejében a szerkezetét. Egy mezőre kattintva lehet betűt beírni, a játék végén pedig vidám vagy szomorú hangeffekt jelzi az eredményt. Az oktatócsomag egyszerű feladatokkal indul, és minden feladat új szabályra hívja fel a figyelmet.
Jackie Brown egy újabb braille-jegyzetelőről számolt be. A Tactera a leírása szerint a Braille Sense családra emlékeztet: jegyzetelőként és szövegszerkesztőként használható, van Wi-Fi-je és Bluetooth-a, 32 braille-cellája és kurzorrögzítő gombjai, és különféle alkalmazásokat futtat. Jackie úgy tudja, Linuxon fut, és ennek örül, mert az Androidra épülő jegyzetelőknél néha problémát okoz, hogy a gyártók nehezen követik a rendszerfrissítéseket. Jackie szerint a várható ára nagyjából 1500 font (egy fórumbejegyzés szerint a gyártó dollárban említett 1500 körüli összeget), ami egy 32 cellás, hordozható eszköznél versenyképes. Részletek még nincsenek, ezért az eszközről keveset lehet mondani.
Jackie kérdése az volt, kell-e még egy ilyen jegyzetelő. Szerinte egyre többen mellőzik a dedikált eszközöket, és inkább egyszerű braille-kijelzőt kapcsolnak a telefonjukhoz, és a hardver gyakran elavult, mire piacra kerül. Natalie szerint a nagyobb verseny árcsökkenést hozhat, és neki, aki korábban egy önálló eszközt használt iskolában és egyetemen, továbbra is fontos az, hogy nem kell a készülékek összekapcsolására figyelni, nem kell azt vizsgálni, melyik eszköz akkumulátora merült le. Jackie is elismerte, hogy van piac: a gyártók nem hoznának ki újat, ha nem lenne kereslet.
Összegzés
A három fő téma más-más területet érintett: a Perspective Transcribe az eszközön futó átírást, a Selfie for All csempék a hozzáférhető turizmust, a Sight Village pedig a segédeszközök személyes kipróbálását állította középpontba. A rövid hírekben az Apple október 28-i eseménye és a „vibe coding” által megszaporodó új alkalmazások kaptak helyet.
A cikk az RNIB Tech Talk 2026. október 27-i adása alapján, AI felhasználásával készült, ezért apróbb pontatlanságokat tartalmazhat.