حالت صفحه‌خوان Claude Code: راهنمای نصب برای VoiceOver و NVDA بخش اول.

Anthropic حالت ویژه‌ای برای کلود کد منتشر کرده است که رابط ترمینال آن را به متنی یکدست و متوالی برای صفحه‌خوان‌ها تبدیل می‌کند. این ویژگی که نیازمند کلود کد نسخهٔ ۲.۱.۱۸۱ یا جدیدتر است، کادرها، نشانگرهای متحرک پیشرفت و بازطراحی‌های در‌لحظه (In-place re-renders) را حذف می‌کند، پاسخ‌های کاربر و هوش مصنوعی را برچسب‌گذاری می‌نماید و منوهای مجوز را به گزینه‌های شماره‌گذاری‌شده تغییر می‌دهد. نتیجهٔ کار نه‌تنها برای کاربران VoiceOver و NVDA، بلکه برای افرادی که از نمایشگرهای برجسته‌نگار، اتصالات کند یا خروجی‌های ترمینال با قابلیت بایگانی آسان استفاده می‌کنند، تجربه‌ای پیش‌بینی‌پذیرتر فراهم می‌سازد.

این مطلب بر اساس اطلاعیه ی پشتیبانی Anthropic در تاریخ ۱۳ ژوئیه ۲۰۲۶ و راهنمای جامع‌تر دسترس‌پذیری کلود کد تنظیم شده است. ادعا نمی‌شود که این ویژگی با سیستمهای متعدد و صفحه‌خوان‌های فیزیکی تست شده باشد. از آنجا که نسخهٔ کلود کد نصب‌شده روی سیستم محلی ما ۲.۱.۱۲۱ بود، پرچم (Flag) جدید اجرا نشد؛ پیش‌نیازهای نسخه‌ای و رفتارها بر اساس مستندات رسمی روز راستی‌آزمایی شده‌اند.
حالت صفحه‌خوان چه تغییراتی ایجاد می‌کند؟
ابزارهای هوش مصنوعی مبتنی بر ترمینال به‌دلیل به‌روزرسانی مداوم خطوط و هایلایت‌های بصری گزینه‌ها، می‌توانند چالش‌های دسترس‌پذیری ایجاد کنند. حالت صفحه‌خوان کلود کد، رابط کاربری را به رفتار پایهٔ ترمینال نزدیک می‌کند: محتوا از بالا به پایین انباشته می‌شود، متن‌های ثابت دوباره ترسیم نمی‌شوند و وضعیت‌های مهم صرفاً با رنگ یا شکل نمایش داده نمی‌شوند.
در ابتدای هر بخش از گفتگو، یک برچسب قابل‌جستجو قرار دارد. پیام‌های کاربر با :you، پاسخ‌های کلود با :claude، عملکرد ابزارها با :tool، خطاهای ابزار با :tool error و درخواست‌های مجوز با :Permission Required شروع می‌شوند. خطاهای API یا گفتگو به صورت :error اعلام می‌شوند. اگر حساب کاربری هزینه را نشان دهد، خلاصهٔ خروجی دارای برچسب :Cost خواهد بود. این ساختار، پیدا کردن پاسخ قبلی کلود یا درخواست مجوز معلق را از طریق جستجوی متنی در تاریخچهٔ ترمینال آسانتر می‌کند.
سه روش مختلف برای فعال‌سازی.
ابتدا نسخه را با دستور claude --version بررسی کنید. نسخه‌های قدیمی‌تر از ۲.۱.۱۸۱ گزینهٔ ax-screen-reader-- را نمی‌شناسند. در نسخهٔ به‌روز، برای فعال‌سازی تنها در همان نشست (Session)، دستور زیر کافی است:

claude --ax-screen-reader

برای استفاده در تمام نشست‌های اجراشده از یک پوستهٔ ترمینال، می‌توانید متغیر محیطی را در Bash یا Zsh تنظیم کنید:

export CLAUDE_AX_SCREEN_READER=1
claude

معادل آن در PowerShell به شرح زیر است:

$env:CLAUDE_AX_SCREEN_READER = "1"
claude

برای فعال‌سازی دائمی در تمام نشست‌های کلود کد روی سیستم، می‌توانید فیلد زیر را به فایل تنظیمات کاربر یعنی settings.json/claude./~ اضافه کنید. اگر تنظیمات دیگری در فایل وجود دارد، بدون حذف آن‌ها، این بخش را به ساختار معتبر JSON اضافه کنید:

{
"axScreenReader": true
}

اولویت اعمال تنظیمات به ترتیب با: پرچم خط دستور (Command-line flag)، متغیر محیطی (Environment variable) و فایل تنظیمات است. اگر از طریق SSH به یک ماشین از راه دور متصل می‌شوید، متغیر محیطی یا تنظیمات باید روی همان سیستم از راه دور که کلود کد روی آن اجرا می‌شود اعمال گردد. برای غیرفعال کردن این حالت، برنامه را بدون پرچم اجرا کنید، متغیر را حذف کنید یا مقدار axScreenReader را به false تغییر دهید. مقدار CLAUDE_AX_SCREEN_READER=0 حتی در صورت فعال بودن ویژگی در فایل تنظیمات، این حالت را خاموش نگه می‌دارد.
چگونه از فعال بودن این حالت مطلع شویم؟
در کلود کد نسخهٔ ۲.۱.۲۰۶ و بالاتر، سطر اول نحوهٔ فعال‌سازی حالت را اعلام می‌کند: [Screen Reader Mode: on via flag]، via env یا via settings. در نسخه‌های سازگار قدیمی‌تر ممکن است یک سطر تأیید عمومی‌تر دیده شود. در نسخهٔ ۲.۱.۲۱۷ و بالاتر، برنامه به طور پیش‌فرض رابط کاربری را سه ثانیه متوقف می‌کند تا صفحه‌خوان اعلام اولیه را به پایان برساند. فشار دادن هر کلیدی این مکث را تمام می‌کند؛ این زمان با متغیر CLAUDE_AX_STARTUP_QUIET_MS بر حسب میلی‌ثانیه قابل تغییر است:

export CLAUDE_AX_STARTUP_QUIET_MS=5000
تنظیم این متغیر روی صفر، مکث را حذف می‌کند. طبق راهنمای رسمی، حد بالا ۶۰۰,۰۰۰ میلی‌ثانیه یعنی ده دقیقه است.

حالت صفحه‌خوان Claude Code: راهنمای نصب برای VoiceOver و NVDA بخش دوم.

نحوهٔ استفاده از منوها و مجوزها.
منوهایی که در رابط بصری با کلیدهای پیکان پیمایش می‌شوند، در حالت صفحه‌خوان به خطوط شماره‌گذاری‌شده تبدیل می‌شوند. کلود کد یک اعلان Enter selection ارائه می‌دهد که محدودهٔ اعداد معتبر را مشخص می‌کند؛ کاربر شمارهٔ گزینه را تایپ کرده و Enter را فشار می‌دهد. در صورت ورود عدد نامعتبر، محدوده دوباره اعلام می‌شود. منوهای قابل بستن با کلید Escape لغو می‌شوند. در پرسش‌های بله/خیر، تایپ y/n یا yes/no کافی است.
این تغییر از نظر امنیتی نیز حائز اهمیت است: در عملیات‌های نیازمند مجوز مانند نوشتن فایل یا اجرای دستور، وابسته نبودن گزینه‌ها به هایلایت بصری به کاربر کمک می‌کند تا آنچه را تأیید می‌کند شفاف‌تر بشنود. با این حال، ارائهٔ دسترس‌پذیر، عملیات را به خودی خود ایمن نمی‌سازد. به‌ویژه در حالت‌های با مجوزهای گسترده، بررسی دستور، فایل مقصد و دامنهٔ دسترسی همچنان ضروری است.
جزئیات نسخه‌ها برای تایپ، حذف و جداول.
رفتار دسترس‌پذیری پس از انتشار اولیه چند بار بهبود یافته است. در کلود کد نسخهٔ ۲.۱.۱۹۸ و بالاتر، جداول به جای شبکهٔ خانه‌بندی‌شده با کاراکترهای کادری، به صورت جملات «عنوان: مقدار» خوانده می‌شوند. در نسخهٔ ۲.۱.۲۱۹ و بالاتر، هنگام تایپ به جای چاپ مجدد کل سطر، تنها کاراکترهای تغییریافته همخوان (Echo) می‌شوند. رفتار مشابه برای کاراکترهای حذف‌شده با Backspace نیازمند نسخهٔ ۲.۱.۲۲۲ یا جدیدتر است.
همخوان شدن متن حذف‌شده در میانبرهای حذف کلمه مانند Ctrl+W، در مک‌او‌اس Option+Delete و در ویندوز Ctrl+Backspace در نسخهٔ ۲.۱.۲۱۸ اضافه شد. میانبر Ctrl+U یا Cmd+Backspace متن حذف‌شده تا ابتدای سطر، و Ctrl+K متن حذف‌شده تا انتهای سطر را اعلام می‌کند. همچنین اعلام یک‌بارهٔ حالت جدید هنگام جابه‌جایی بین حالت‌های مجوز با Shift+Tab نیازمند نسخهٔ ۲.۱.۲۱۰ یا جدیدتر است.
پرش سریع به بخش‌های قبلی گفتگو.
کلود کد علامت‌های ترمینال 133 OSC را به مرزهای جابه‌جایی گفتگو اضافه می‌کند. در iTerm2 با Cmd+Shift+Up، در ترمینال VS Code مک‌او‌اس با Cmd+Up و در ترمینال VS Code ویندوز با Ctrl+Up می‌توان به مرز قبلی رفت. در Windows Terminal، عمل scrollToMark نیازمند تعریف میانبر توسط کاربر است.
ترمینال مک‌او‌اس با این علامت‌ها پرش نمی‌کند و در WezTerm نیز کلود کد این علامت‌ها را تولید نمی‌کند. در این حالت، جستجوی برچسب :you یا :claude در تاریخچهٔ ترمینال یک جایگزین کاربردی است. کاربران Kitty و Ghostty باید به میانبر «رفتن به دستور قبلی» در مستندات ترمینال خود مراجعه کنند.
زنگ ترمینال چه زمانی به صدا درمی‌آید؟
حالت صفحه‌خوان هنگام اتمام پاسخ کلود، باز شدن یک درخواست مجوز، یا پایان یافتن ابزاری که بیش از پنج ثانیه طول کشیده است، زنگ استاندارد ترمینال را به صدا درمی‌آورد. اگر صدایی شنیده نمی‌شود، ممکن است مشکل مستقیماً از کلود کد نباشد؛ تنظیمات زنگ را در برنامهٔ ترمینال خود بررسی کنید. خارج از حالت صفحه‌خوان نیز می‌توان با تنظیم preferredNotifChannel روی مقدار terminal_bell رفتار اعلانی مشابهی را انتخاب کرد.
بزرگ‌نما و کاهش حرکت؛ دو تنظیم متفاوت.
دو متغیری که بیش از همه اشتباه گرفته می‌شوند عبارت‌اند از: CLAUDE_AX_SCREEN_READER=1 که رابط خطی و یکدست صفحه‌خوان را فعال می‌کند، و CLAUDE_CODE_ACCESSIBILITY=1 که مکان‌نما (Cursor) محلی ترمینال را مرئی نگه می‌دارد تا بزرگ‌نماهای صفحه بتوانند تمرکز (Focus) را دنبال کنند؛ اما حالت صفحه‌خوان را فعال نمی‌کند. دنبال کردن سطر انتخاب‌شده توسط مکان‌نما در منوها و پنل‌ها نیازمند نسخهٔ ۲.۱.۲۱۸ یا بالاتر است.
برای حساسیت به حرکت، تنظیم prefersReducedMotion انیمیشن‌ها را کاهش می‌دهد. برای کوررنگی نیز تم‌های dark-daltonized و light-daltonized موجود است. این گزینه‌ها همراه با حالت صفحه‌خوان نیز قابل استفاده هستند.

حالت صفحه‌خوان Claude Code: راهنمای نصب برای VoiceOver و NVDA بخش سوم.

محدودیت‌های شناخته‌ شده.
فعال بودن یک صفحه‌خوان به خودی خود باعث فعال‌سازی خودکار این حالت نمی‌شود.
تغییر حالت مجوز تنها هنگام پیمایش با Shift+Tab اعلام می‌شود؛ تغییر به حالت پلان از روش‌های دیگر همیشه اعلام نمی‌شود.
اتصال به نشست پس‌زمینه با claude attach به صفحهٔ جایگزین می‌رود و تاریخچهٔ طبیعی ترمینال را حذف می‌کند. خروج با کلید پیکان چپ در خط فرمان خالی یا Ctrl+Z در هنگام تمرکز روی کادر گفتگو پیشنهاد می‌شود.
هزینه در هر جابه‌جایی گفتگو اعلام نمی‌شود، بلکه در خلاصهٔ پایانی نشست گزارش می‌گردد.
کارکرد غیرتعاملی با claude -p تحت تأثیر حالت صفحه‌خوان قرار نمی‌گیرد؛ از آنجا که این حالت خود متن یکدست تولید می‌کند، گزینه‌ای مجزا برای اتوماسیون‌هاست.
کاربران در گیت‌هاب گزارش داده‌اند که رابط ترمینال تمام‌صفحه در برخی نسخه‌ها می‌تواند VoiceOver مک‌او‌اس و انتخاب متن را مختل کند. این‌گونه گزارش‌ها شواهد ارزشمندی از محیط واقعی هستند اما نتیجهٔ آزمون مستقل و تعمیم‌یافته برای هر ترمینال و نسخه نیستند. حالت جدید صفحه‌خوان هدف دارد حتی در صورت فعال بودن تنظیمات تمام‌صفحه، گفتگوی اصلی را به صورت متن متوالی و قابل اسکرول ارائه دهد؛ استثنای اتصال به نشست پس‌زمینه همچنان باقی است.
چک‌لیست کاربردی برای شروع.
۱. با claude --version تأیید کنید که حداقل از نسخهٔ ۲.۱.۱۸۱ استفاده می‌کنید؛ برای دریافت بازخورد صوتی تایپ و حذف، در صورت امکان نسخهٔ ۲.۱.۲۲۲ یا جدیدتر را انتخاب کنید.
۲. اولین تلاش را با claude --ax-screen-reader در یک نشست تکی انجام دهید.
۳. شنیده شدن تأییدیهٔ حالت اولیه و زنگ ترمینال را بررسی کنید.
۴. انتخاب گزینه‌ها با شماره در منوی مجوز و جستجوی :you / :claude در تاریخچهٔ ترمینال را امتحان کنید.
۵. در صورت رضایت‌بخش بودن تجربه، به متغیر محیطی یا تنظیمات settings.json سوئیچ کنید.
۶. هنگام گزارش مشکلات، نام و نسخهٔ سیستم‌عامل، برنامهٔ ترمینال، نسخهٔ کلود کد و نام و نسخهٔ صفحه‌خوان یا بزرگ‌نما را ذکر کنید.
جمع‌بندی.
حالت جدید کلود کد، به جای تقلیل دادن دسترس‌پذیری به تم‌های رنگی، نحوهٔ کارکرد ترمینال را تغییر می‌دهد. جریان گفتگوی برچسب‌گذاری‌شده، مجوزهای شماره‌گذاری‌شده، عدم خوانش مجدد محتوای ثابت و زنگ هشدار، بهبودهای ارزشمندی در استفادهٔ روزمره هستند. با این حال، این ویژگی اختیاری است و به دلیل توزیع اصلاحات در نسخه‌های مختلف، صرفا بیان «پشتیبانی می‌شود» کافی نیست. لازم است جریان‌های کاری واقعی با نسخهٔ روز، ترمینال سازگار و فناوری کمکی مورد استفاده سنجیده شوند.

منابع:
Anthropic Support: Use Claude Code CLI with a screen reader,
Claude Code documentation: Screen reader mode.

برنامه «ETI Eloquence for SAPI 5» نسخه ای رایگان از رابط برنامه‌نویسی گفتار مایکروسافت (SAPI 5) می‌باشد که به نرم‌افزارهای ویندوزیِ سازگار با SAPI 5 اجازه می‌دهد از موتور صوتی ETI Eloquence 6.1 استفاده کنند. این برنامه، صدای آشنای Eloquence را در دسترس صفحه‌خوان‌ها، متن‌خوان‌ها، نرم‌افزارهای OCR، ابزارهای ارتباطی و سایر برنامه‌های پشتیبانی‌کننده از SAPI مایکروسافت قرار می‌دهد.
این ابزار که با محوریت دسترسی‌پذیری طراحی شده، عملکرد گفتاری سریع، پاسخ‌گو و با کمترین تأخیر (Low-latency) را که از ویژگی‌های شناخته‌شده Eloquence است ارائه می‌دهد؛ همچنین از طریق یک ابزار پیکربندی اختصاصی، امکان تنظیم پارامترهای مختلف گفتار را فراهم می‌سازد. کاربران می‌توانند تنظیمات مربوط به نوع صدا، سرعت، زیر‌و‌بمی (Pitch)، میزان صدا، علائم نگارشی و تلفظ را سفارشی‌سازی کنند. این ترجیحات به‌صورت مستقل ذخیره می‌شوند تا در تمام نرم‌افزارهای پشتیبانی‌شده به‌طور یکنواخت و پایدار اعمال گردند.

نسخه بله بتا *168976*

+ رفع برخی مشکلات گزارش‌شده

*این نسخه کاندیدای انتشار رسمی است.*

در سیستم‌عامل لینوکس، زمانی که میزان حافظه رم مصرفی به آستانه بحرانی می‌رسد و فضای خالی پایان می‌یابد، هسته سیستم‌عامل مکانیزمی حفاظتی تحت عنوان OOM Killer (Out-Of-Memory Killer) را فعال می‌کند.
وظیفه این ماژول، متوقف‌سازی اجباری برخی پردازش‌ها جهت جلوگیری از قفل شدن یا فروپاشی کامل سیستم است.
با این حال، الگوریتم پیش‌فرض OOM Killer همواره از هوشمندی لازم برای تفکیک برنامه‌های کاربردی از سرویس‌های زیرساختی رابط کاربری برخوردار نبود.
در مواردی، هسته سیستم‌عامل به‌جای خاتمه‌دادن به برنامه‌های پرمصرف (مانند تب‌های سنگین مرورگر یا ابزارهای توسعه)، پردازش‌های بنیادین نشست کاربری نظیر GNOME Shell یا دیمن‌های ارتباطی مانند D-Bus را متوقف می‌کرد.
این تصمیم، خروج ناگهانی کاربر از نشست (Logout اجباری)، توقف رابط گرافیکی دسکتاپ و از دست رفتن فایل‌های ذخیره‌نشده را در پی داشت.
برای حل این چالش، سیاست اولویت‌بندی پردازش‌ها بر پایه متغیر oom_score_adj تنظیم شده است.
هسته لینوکس بر اساس این شاخص—که بازه‌ای میان ۱۰۰۰- (مصونیت قطعی از توقف) تا ۱۰۰۰+ (بالاترین اولویت خاتمه) دارد—اقدام به انتخاب قربانی می‌کند.
Ubuntu با تخصیص مقادیر منفی به مولفه‌های محوری نشست گرافیکی، آنها را در برابر توقف‌های ناشی از کمبود حافظه محافظت می‌کند.
در نتیجه، هنگام اشباع حافظه، هسته ابتدا برنامه‌های کاربردی پرمصرف را متوقف می‌سازد و سرویس‌های سیستمی میزکار همچنان فعال می‌مانند؛ رویکردی که ثبات محیط دسکتاپ را حتی زیر بار شدید حافظه حفظ می‌نماید.

آموزش افزودن پلاگین آنتی کپچا در مرورگر کروم به صورت عملی

آموزش افزودن پلاگین آنتی کپچا در مرورگر کروم به صورت تئوری

با درود این جانب پرویز ایمانی به یاری خداوند متعال موفق به رایزنی جهت دسترسپذیر‌سازی یک برنامه شطرنجی دیگر به سود جامعه نابینایان گشتم.
این برنامه جهت یادگیری گشایش‌های شطرنج و حل معماهای شطرنجی به صورت آفلاین می‌باشد. کار کردن با برنامه نیز ساده بوده و نیاز به آموزش چندانی ندارد، با این حال اگر سوال و ابهامی بود در صفحه شخصی تلگرام به نشانی @Snow_Drops در خدمت شما بزرگواران خواهم بود.
با تشکر

نصب نسخه رسمی لینوکسی تلگرام روی دبیان به صورت تمیز و یکپارچه با سیستم از طریق ترمینال در چند مرحله انجام می‌شود:
1. فایل را در پوشه Downloads قرار دهید.
2. استخراج فایل و انتقال به مسیر سیستمی.
دسترسی sudo یا ریشه لازم است.
فایل فشرده را استخراج کرده و به مسیر استانداردی مانند /opt منتقل کنید تا برای همه کاربران در دسترس و منظم بماند:

tar -xf td-setup-linux-x64-7.2.9.tar.xz
sudo mv Telegram /opt/telegram

3. برای اینکه بتوانید تلگرام را از هر کجای ترمینال با تایپ کلمه telegram اجرا کنید، یک پیوند نمادین به مسیر برنامه‌ها ایجاد کنید:

sudo ln -sf /opt/telegram/Telegram /usr/local/bin/telegram

4. برای نمایش آیکون تلگرام در منوی توزیع دبیان (GNOME، XFCE، KDE و غیره)، فایل دسکتاپ زیر را بسازید:

sudo bash -c 'cat <<EOF > /usr/share/applications/telegram.desktop
[Desktop Entry]
Name=Telegram Desktop
Comment=Official desktop version of Telegram messaging app
Exec=/opt/telegram/Telegram -- %u
Icon=telegram
Terminal=false
Type=Application
Categories=Network;InstantMessaging;
MimeType=x-scheme-handler/tg;
Keywords=tg;chat;im;messaging;messenger;sms;tdesktop;
EOF'

سپس آیکون پیش‌فرض برنامه را در مسیر آیکون‌های سیستم کپی کنید و پایگاه‌داده دسکتاپ را به‌روزرسانی کنید:

sudo cp /opt/telegram/Updater /usr/share/icons/hicolor/512x512/apps/telegram.png 2>/dev/null || true

sudo update-desktop-database

اکنون می‌توانید تلگرام را از منوی برنامه‌های سیستم یا مستقیماً از خط فرمان اجرا کنید.

شایان ذکر است که، نسخه‌ای که از خود سایت تلگرام دریافت نموده و در مسیر /opt قرار می‌دهید به سیستم Auto-Update مجهز است. با هر انتشار نسخه جدید، تلگرام مستقیماً خود را آپدیت می‌کند و نیازی به دانلود مجدد فایل ندارید.

دوستان محترم، روش مضکور در حال حاضر دسترسپذیرترین شیوه استفاده از تلگرام در لینوکس محسوب می‌شود.
لطفا سوالات و مشکلات احتمالی را در گروه فناوری تکنولوژی مطرح بفرمایید.

ابزار دیدبان راهنما جمینای لایو بخش اول.

دیدبان راهنما، قابلیتی است که با هدف ارتقای دسترسی‌پذیری بصری، اشتراک‌گذاری دوربین در «جمینای لایو» را تعاملی‌تر و هدایت‌محورتر می‌سازد.
کاربر می‌تواند با فعال‌سازی دوربین، پرسش‌های خود را در مورد اطراف محیط پیرامون با زبان طبیعی مطرح کند.
جمینای ضمن توصیف صوتی صحنه پیش‌رو، صرفاً به تفسیر کادر کنونی بسنده نمی‌کند؛ بلکه در صورت نیاز به نمایی واضح‌تر، شیوه تغییر جهت و تنظیم زاویه دوربین را نیز به کاربر اطلاع می‌دهد.
این تمایز حائز اهمیت بالایی می‌باشد.
ابزارهای سنتیِ توصیف تصویر، صحنه کادربندی‌شده را تنها در قالب یک تک‌عکس ساکن شرح می‌دهند؛ در حالی که «دیدبان راهنما» در پی برقراری یک مکالمه مستمر و پویا با کاربر است.
برای نمونه، چنانچه نوشته‌های ریز روی قوطی یک دارو در کادر دوربین خوانا نباشد، سیستم به‌جای نزدیک‌تر کردن بیش از حد دستگاه، ممکن است پیشنهاد دهد تلفن همراه کمی به عقب برده شود یا به سمت منبع نور متمایل گردد.
متعاقباً، کاربر می‌تواند پرسش‌های تکمیلی نظیر «تاریخ انقضا کجای بسته درج شده است؟» را پیگیری کند.
شایان ذکر است که در صفحات پشتیبانی ترکی گوگل، از این قابلیت با عنوان «هدایت راهنمایی‌شده» (rehberli yönlendirme) نیز یاد شده است.
در مطلب حاضر، از عنوان «دیدبان راهنما» برای نام محصول و در صورت نیاز، از عبارت «هدایت صوتی» برای بیان کارکرد آن استفاده شده است.
بر اساس اطلاعیه رسمی و اسناد پشتیبانی گوگل، شاخص‌ترین کاربردهای این قابلیت به شرح زیر است:
نشان دادن برچسب‌ها، بسته‌بندی‌ها، تابلوها، اسناد چاپی یا نوشته‌های ریز به دوربین و درخواست توضیح و قرائت صوتی.
جست‌وجوی یک شیء مشخص در میان قفسه‌ها، روی میز یا داخل اتاق، همراه با دریافت راهنمایی کلامی جهت تنظیم دوربین در زاویه درست.
مقایسه ویژگی‌های دیداری البسه، کالاها یا اشیای گوناگون.
آگاهی از محتویات موجود در یک اتاق یا اطلاع از چیدمان تقریبی اشیاءِ روی میز.
پیگیری و درخواست جزئیات بیشتر در همان بستر و پیوستار تصویری، پس از دریافت توصیف اولیه.
برقراری تعامل صوتی به تمامی زبان‌های تحت پشتیبانی جمینای لایو.
این موارد نمایانگر ظرفیت بالای قابلیت مذکور در تسهیل دسترسی به داده‌های بصری می‌باشد.
با این وجود، خروجی نهایی به‌شدت وابسته به عواملی چون زاویه دوربین، شرایط نوری، کیفیت اتصال شبکه و تفسیر مدل پردازشی است.
از این رو، اطلاعات حساس و حیاتی از قبیل نام کالا، تاریخ‌ها، دوز مصرفی، قیمت‌ها یا شماره اسناد باید همواره از طریق یک منبع ثانویه اعتبارسنجی شوند.

ابزار دیدبان راهنما جمینای لایو بخش دوم.

هدایت کلامی دوربین چگونه عمل می‌کند؟
شاخصه متمایزکننده این قابلیت، رویکردی است که گوگل آن را «کادربندی مجدد و فعالانه از طریق گفتار» (Proactive Verbal Reframing) می‌نامد.
هنگامی که جمینای امکان مشاهده دقیق یک شیء را نداشته باشد، به گفتن عبارت صِرفِ «تصویر واضح نیست» بسنده نکرده و دستورالعمل‌های عملی مشخصی ارائه می‌دهد.
دستوراتی همچون «تلفن را کمی به سمت راست بچرخانید»، «دوربین را رو به پایین متمایل کنید» یا «یک گام به عقب بردارید»، با هدف کاستن از بار آزمون و خطای تحمیل‌شده بر کاربران نابینا طراحی شده است.
با وجود این، راهنمایی‌های مذکور به‌هیچ‌عنوان دستورالعمل‌های ایمنی برای تردد فیزیکی در محیط به‌شمار نمی‌روند.
هدف این سیستم تنها اصلاح کادر دید دوربین است، نه هدایت کاربر در راهروها، عبور دادن وی از خیابان یا جلوگیری از برخورد با موانع.
شرکت گوگل نیز صراحتاً تأکید ورزیده است که از این ویژگی نباید برای ناوبری و تردد ایمن استفاده شود.
نحوه فعال‌سازی در سیستم‌عامل اندروید و تاک‌بک.
پس از اختصاص این قابلیت به حساب کاربری، راه‌های دسترسی متعددی فراهم خواهد بود (عناوین منوها ممکن است بسته به نسخه اندروید و برند دستگاه اندکی متغیر باشد):
1. به‌روزرسانی اپلیکیشن موبایل جمینای و نرم‌افزار سیستم‌عامل اندروید.
2. اجرای برنامه جمینای و فعال‌سازی گزینه «دیدبان راهنما» در بخش تنظیمات جمینای لایو از طریق منوی پروفایل.
3. راه‌اندازی «جمینای لایو» و فشردن دکمه اشتراک‌گذاری دوربین.
4. توصیف شیء مدنظر برای ثبت در دوربین یا طرح مستقیم پرسش با بیان طبیعی.
5. عمل به راهنمایی‌های کلامی جمینای مبنی بر جابه‌جایی دوربین به جهات راست، چپ، بالا، پایین یا متمایل شدن به عقب.
افزون بر این، بر طبق مستندات گوگل مسیر «تنظیمات > دسترسی‌پذیری > کمک بینایی > دیدبان راهنما» (Settings > Accessibility > Vision > Guided Vision) در اندروید قابل استفاده می‌باشد.
همچنین امکان تخصیص این قابلیت به دکمه دسترسی‌پذیری روی صفحه، ژست حرکتی کشیدن با دو انگشت یا میانبر فشردن هم‌زمان کلیدهای تنظیم صدا وجود دارد.
کاربران نرم‌افزار صفحه‌خوان «تاک‌بک» نیز می‌توانند با لمس سه‌انگشتی و باز کردن منوی تاک‌بک، مستقیماً به گزینه «دیدبان راهنما» دسترسی داشته باشند.
نمایش میانبرهای مذکور تابع توزیع تدریجی ویژگی، سازگاری سخت‌افزاری و نسخه‌های نصب‌شده خواهد بود.

ابزار دیدبان راهنما جمینای لایو بخش سوم.

در صورت عدم مشاهده گزینه، توصیه می‌شود به‌جای نصب مجدد نرم‌افزار، ابتدا وضعیت به‌روزرسانی‌ها بررسی شده و تا زمان فعال‌سازی کامل آن بر روی حساب کاربری شکیبایی صورت پذیرد.
گوگل اعلام کرده که توسعه این ابزار با مشارکت فعال جامعه نابینایان و کم‌بینایان محقق شده است.
این شرکت از طریق همکاری با سرویس تفسیر بصری Aira، از ده‌ها هزار ساعت داده تفسیری بهره جسته و بیش از ۱۰۰۰ عضو طرح «آزمایش‌کنندگان معتمد آیرا» (Aira Trusted Tester) به ارزیابی سامانه و ارائه بازخورد پرداخته‌اند.
همچنین کارشناسان آیرا در تدوین چارچوب‌های ایمنی سامانه نقش مؤثری ایفا نموده‌اند.
این رویکرد طراحی مشارکتی گامی بسیار مثبت ارزیابی می‌شود؛ چراکه تنظیم زاویه دوربین، توصیف محیط با اولویت‌بندی منطقی و گزینش جزئیات آغازین، صرفاً یک چالش فنی در حوزه شناسایی تصویر نیست.
با این حال، پشت سر گذاشتن مراحل آزمایشی بدین معنا نیست که کارایی دسترسی‌پذیری یکسانی در تمامی زبان‌ها و سخت‌افزارها به‌طور مستقل اثبات شده باشد. مسائلی همچون تلفظ زبان‌ها، برچسب‌های کالاهای بومی، شرایط نوری گوناگون و نوسانات سرعت اتصال اینترنت، مستلزم ارزیابی مستقیم و میدانی توسط کاربران واقعی است.
ارزش بنیادین «دیدبان راهنما» در تبدیل یک پرسش بصری به بسترِ گفت‌وگویی پیوسته و دسترسی‌پذیر نهفته است.
کاربر نیازی به ثبت تصویر اولیه، انتقال به صفحه‌ای دیگر و شنیدن توضیحات در ابزاری مجزا ندارد و می‌تواند در خلال همان مکالمه، رهنمودها را دریافت نماید.
علاوه بر آن، ادغام این ویژگی با منوی تاک‌بک و میانبرهای دسترسی‌پذیری اندروید، وابستگی صِرف به یک دکمه دوربین بصری را مرتفع می‌‌سازد.
نقطه قوت دوم، قابلیت طرح پرسش‌های تکمیلی است.
به‌جای دریافت شرحی طولانی و یک‌باره از کل صحنه، کاربر قادر است جزئیات مورد نیاز خود را به انتخاب هدف‌گذاری کند؛ پرسش‌هایی از قبیل «جعبه سمت چپ چه رنگی است؟»، «آیا برچسب حاوی هشدار آلرژن است؟» یا «آیا کلید روی میز دیده می‌شود؟» در همان بافت تصویری قابل تداوم هستند.
این فرایند می‌تواند بار شناختی ذهن و حجم اطلاعات نامربوط را به شکل چشمگیری بکاهد.
با این وجود، ارزیابی سطح دسترسی‌پذیری مناسب تنها با در دسترس بودن صِرف یک قابلیت تعیین نمی‌شود؛ سرعت بارگذاری اولیه، برچسب‌گذاری صحیح دکمه دوربین برای تاک‌بک، عدم قطعی در جریان گفت‌وگو، ثبات در ارائه راهنمایی‌های جهتی و اعلام صریح و شفاف ابهامات یا خطاهای احتمالی، همگی مؤلفه‌هایی حیاتی محسوب می‌شوند.
از این رو، هم‌راستا با گسترش این ابزار در مناطق مختلف، انجام آزمون‌های مستقل دسترسی‌پذیری روی دستگاه‌های گوناگون اندرویدی و در شرایط واقعی روزمره امری ضروری است.

ابزار دیدبان راهنما جمینای لایو بخش چهارم.

محدودیت‌ها، ایمنی و حریم خصوصی.

گوگل صراحتاً خاطرنشان می‌سازد که مدل‌های هوش مصنوعی زاینده مصون از خطا نیستند. در همین راستا، «دیدبان راهنما»:
یک وسیله پزشکی نبوده و نباید مبنای تصمیم‌گیری‌های درمانی و بهداشتی قرار گیرد؛
هرگز جایگزین عصای سفید، سگ راهنما یا دوره‌های تحرک و جهت‌یابی نیست؛
ابزاری برای تشخیص موانع، مسیریابی یا تردد ایمن به‌شمار نمی‌رود؛
نباید به‌عنوان یگانه منبع تأیید اطلاعات پرخطر نظیر دوز داروها، مواد حساسیت‌زا، تاریخ انقضا یا وضعیت تجهیزات برقی لحاظ شود.
از نظر حریم خصوصی نیز استفاده از قابلیت اشتراک‌‌گذاری دوربین مستلزم هوشیاری است؛ چراکه چهره سایر افراد، مدارک هویتی، نشانی‌ها یا اطلاعات پرداخت ممکن است ناخواسته درون کادر قرار گیرند.
راهنمای رسمی «جمینای لایو» در شرکت گوگل توصیه می‌کند که کاربران همواره باید حریم شخصی اطرافیان را محترم شمرده و پیش از قرار دادن آنان در کادر یا وارد کردنشان به جریان مکالمه، رضایت لازم را کسب نمایند.
توصیه اجرایی بهینه آن است که هنگام نمایش اسناد محرمانه، بخش‌های غیرضروری بیرون از زاویه دید دوربین قرار داده شوند و بلافاصله پس از اتمام تبادل نظر، دوربین خاموش گردد.

بر اساس داده‌های گوگل، قابلیت «دیدبان راهنما» در مناطق تحت پوشش «جمینای لایو»، بر روی تلفن‌ها و تبلت‌های سازگار با اندروید ۹ و نسخه‌های بالاتر قابل اجرا است.
پیش‌نیازهای فنی آن شامل نصب اپلیکیشن موبایل جمینای، ورود به یک حساب کاربری پشتیبانی‌شده گوگل و به‌روز بودن نرم‌افزار رسمی گوگل می‌باشد.
حداقل سن مجاز برای بهره‌مندی از جمینای لایو ۱۳ سال تمام است؛ مضافاً بر اینکه ممکن است سیاست‌های نظارتی مدیران فناوری در حساب‌های کاری یا سازمانی و تحصیلی، دسترسی به این بخش را محدود نماید.
با عنایت به ماهیت مرحله‌ایِ عرضه جهانی، این احتمال وجود دارد که دو کاربرِ دارای سخت‌افزار یکسان، در بازه‌های زمانی متفاوتی به این ویژگی دسترسی پیدا کنند.
فرایند انتشار اولیه بر اکوسیستم اندروید متمرکز بوده و در مستندات کنونی گوگل اشاره‌ای به شیوه راه‌اندازی «دیدبان راهنما» در سیستم‌عامل iOS (گوشی‌های آیفون) نشده است.
از این رو، کاربران iOS تا زمان رؤیت و عرضه رسمی این ویژگی، باید منتظر انتشار مستندات در باره‌ی وجود پشتی‌بانی از دستگاه مورد استفاده باشند.

منابع:

Google Blog - Guided Vision in Gemini Live — built for accessibility.
Google Gemini Help - Get guided directions and voice descriptions in Gemini Live.
Google Gemini Help - Talk to Gemini Live.
Google Android Accessibility Guide - Guided Vision.

در سایت رسمی نرم افزار، برای پلتفورم x64 ۲ عدد پکیج مجزا قرار داده شده. یکی فاقد امکانات تعامل کامل با صفحه‌خوانها بوده که با عبارت دسکتاپ مشخص شده.
دیگری هم پکیج ارسالی در این پیام که با صفحه‌خوان NVDA به صورت کامل سازگار می‌باشد.

نسخه ۱.۹.۰ بازی Freight Fate در تاریخ ۴ اکتبر ۲۰۲۶ به‌صورت نسخه پایدار منتشر شد. این شبیه‌ساز صوتی کامیون‌رانی که با اولویت قرار دادن بازیکنان نابینا و کم‌بینا توسعه یافته است، در این نسخه با زیرساخت بازسازی‌شده، نقشه‌ای گسترده‌تر، داده‌های جاده‌ای واقعی و گزینه‌های دسترس‌پذیری بیشتر ارائه می‌شود.
اطلاعات این نسخه که در اطلاعیه اولیه Joshua Tubbs، توسعه‌دهنده بازی، در وب‌سایت Orinks اعلام شده بود، پس از مطابقت با یادداشت‌های رسمی انتشار نسخه ۱.۹.۰ در مخزن گیت‌هاب پروژه تأیید شده است.
بازی Freight Fate چیست؟
بازی Freight Fate یک شبیه‌ساز رایگان و متن‌باز است که بر هدایت صوتی یک کامیون باری سنگین (کلاس ۸) در ایالات متحده آمریکا تمرکز دارد. بازیکن بار تحویل می‌گیرد، مسیر را برنامه‌ریزی می‌کند، سوخت و ساعت کاری خود را مدیریت می‌نماید، محموله‌ها را به مقصد می‌رساند و به‌مرور زمان، مسیر حرفه‌ای خود را از رانندگی شرکتی تا مالکیت خودرو و مدیریت مستقل ارتقا می‌دهد.
این بازی تنها به خواندن منوها توسط صفحه‌خوان محدود نمی‌شود؛ صدای موتور، صدای حرکت در جاده، موقعیت خودرو در خطوط، پیچ‌ها، شیب‌ها و خروجی‌های پیش‌رو همگی از طریق نشانه‌های صوتی رانندگی منتقل می‌شوند. همچنین یک کادر متنی بصری جملات ارائه‌شده را نمایش می‌دهد تا بازیکنان بینا و همراهان نیز امکان دنبال کردن روند بازی را داشته باشند.
هشدار مهم سازگاری برای فایل‌های ذخیره نسخه ۱.۸.
نسخه ۱.۹.۰ صرفاً یک به‌روزرسانی کوچک برای نسخه قبلی نیست، بلکه طبق اعلام توسعه‌دهنده، بازی از ابتدا بازسازی شده است. از همین رو، سوابق حرفه‌ای نسخه‌های ۱.۸ و قدیمی‌تر به نسخه ۱.۹ منتقل نمی‌شوند و هر کاربری که به نسخه ۱.۹ ارتقا یابد، باید روند حرفه‌ای خود را از ابتدا آغاز کند.
فایل‌های ذخیره پیشین حذف نمی‌شوند و امکان ادامه بازی با آن‌ها در نسخه ۱.۸ وجود دارد. همچنین تنظیمات بازی از نسخه ۱.۸ به نسخه جدید انتقال می‌یابد. کاربرانی که پیشرفت‌های طولانی‌‌مدت در بازی دارند، باید نسخه‌های ۱.۸ خود را حفظ کنند و با آگاهی از این تفاوت ساختاری اقدام به به‌روزرسانی نمایند.
نوآوری‌های نقشه و تجربه رانندگی.
در نسخه ۱.۹.۰ بازی Freight Fate، تعداد ۱۰۰ شهر جدید به نقشه اضافه شده است. با عبور تعداد کل شهرها از مرز ۶۰۰ مورد، دسترسی به صدها مرکز بارگیری و تحویل کالا از طریق خیابان‌های واقعی فراهم شده است. همچنین در بزرگراه‌ها، تعداد واقعی خطوط عبوری، رمپ‌های خروجی طبیعی، خطوط کاهش سرعت و الگوهای ترافیکی انتهای خروجی‌ها شبیه‌سازی شده‌اند.
در طول سفر، راننده کمکی پیچ‌ها، شیب‌های تند و کاهش محدودیت‌های سرعت را از پیش به‌صورت صوتی اعلام می‌کند. در پیچ‌های تند احتمال جابه‌جایی بار یا تکان‌خوردن مایعات تانکر وجود دارد و سرعت نامناسب می‌تواند موجب واژگونی کامیون شود. علاوه بر این، شرایطی نظیر برف، باران، پدیده هیدروپلنینگ (شناوری روی آب)، لاستیک‌های زمستانی و قوانین مربوط به زنجیر چرخ نیز بر کیفیت رانندگی اثرگذار هستند.
بازیکنان جدید بازی را با حالت «تمام راهنماها» آغاز می‌کنند؛ هرچند امکان تغییر وضعیت به نمایه‌های «متعادل» یا «واقع‌گرایانه» نیز وجود دارد. امکاناتی مانند خط‌خوان، کمکی پیچ و خروجی، کروز کنترل تطبیقی و دستیار پارک به‌صورت مجزا قابل تنظیم هستند؛ به این ترتیب بازی ضمن حفظ فیزیک دقیق کامیون، با سطوح مهارتی و حرکتی گوناگون سازگار می‌شود.