Google 开源 StreetReaderAI:帮盲人用语音键盘「看」街景
jonfroehlich · x · 2026-11-18
Google Research 发布并开源 StreetReaderAI,一个面向盲人与低视力(BLV)用户的多模态地图应用,用于无视觉探索街景影像。用户可通过键盘或语音导航街景图像,实时收听所在位置的描述,并就周边环境进行追问问答。
项目最初是 Jon Froehlich、Shaun Kane 等人两年前的一个黑客松项目,如今以 Apache 2.0 协议开源,可本地运行或加载到 Google AI Studio,面向 HCI 研究者与无障碍 AI 工具开发者。
「多模态」频道最新
- 开源语音识别 Rumble-2-Flash:40+ 语言,专攻嘈杂真实音频 — omarsar0 · 2026-11-18
- Runway 优化推理:57B 视频模型实时对话从 8 张 H100 降到 4 张 — runwayml · 2026-11-18
- Reson8 开源语音模型 Rumble-2-Flash 登 Open ASR 榜第 9,40+ 语言可本地跑 — cneuralnetwork · 2026-11-18
- Gemini 3.5 Transcribe 上线语音指令实时编辑听写 — AI_Andrew · 2026-11-18
- 开源 Antipode:通过 MCP 驱动的本地程序化合成器,agent 写配方出 WAV — Dizzy_Basil6892 · 2026-11-18
- 在 Antigravity 里用 FFmpeg 给音频做 EQ 与压缩,Gemini 4 生成交互控制台 — alexanderchen · 2026-11-18