以声音看见：用GPT-4V（Vision）和文本转语音技术赋能视觉受损者
声触视新境：利用GPT-4V（Vision）和文本转语音技术赋能视力受损者
增强视力障碍导航：整合GPT-4V（视觉）和TTS实现高级感知辅助
此帖子与Rafael Guedes合著。
介绍
OpenAI最新的发展使得人工智能的可用性达到了一个全新的水平，发布了GPT-4V（视觉）和TTS（文本转语音）API。为什么？让我们以一个使用案例来激发它们的用处。对于我们大多数人来说，走在街上是一件简单的事情，但对于有视力障碍的人来说，每一步都可能是一个挑战。传统的助视设备如导盲犬和盲杖很有用，但人工智能技术的整合开辟了盲人社区提高独立性和活动能力的新篇章。简单的配备了隐蔽摄像头的眼镜就足以彻底改变视障人士体验周围环境的方式。我们将解释如何使用OpenAI的最新产品来实现这一目标。
另一个有趣的使用案例是改变我们在博物馆和其他类似场所的体验。想象一下，常见于博物馆的音频导游系统被别针固定在你衣服上的隐蔽摄像头所取代。假设你正在参观一个艺术博物馆。当你穿过博物馆行走时，这项技术可以为你提供关于每幅画作的信息，并且可以以你选择的特定风格进行呈现。假设你有些疲倦，需要一些引人入胜且轻松愉快的方式，你可以请求它“给我一些关于这幅画的历史背景，但要有趣并加入一些笑话”。
那么增强现实（AR）呢？这项新技术能改善甚至取代它吗？目前，AR被视为覆盖在我们对真实世界的视觉感知上的数字层。问题是这可能会变得杂乱无章。这些新技术可以在某些情况下替代AR。在其他情况下，它可以使AR个性化，适应每个人的步调，让我们以自己的节奏体验世界。
在本文中，我们将探讨如何结合GPT-4V（视觉）和TTS使世界对于视力障碍者更具包容性和可导航性。我们将首先解释GPT-4V（视觉）的工作原理及其架构（我们将使用一些开源替代品来获得直觉，因为…
