AI mô tả ảnh là công cụ nhận một bức ảnh hoặc hình ảnh từ máy ảnh điện thoại rồi nói ra bằng lời trong ảnh có gì: người, đồ vật, màu sắc, chữ, bố cục. Với người khiếm thị, nó giúp những việc trước đây phải nhờ người khác: biết áo đang cầm màu gì, trong hộp thư có tờ gì, món ăn trên bàn là gì, ảnh con cháu gửi trong nhóm gia đình chụp cảnh gì. Có thể dùng qua chatbot đa năng có chức năng đọc ảnh, qua ứng dụng chuyên hỗ trợ người khiếm thị, hoặc tính năng mô tả có sẵn trong trình đọc màn hình.
Chất lượng câu trả lời phụ thuộc nhiều vào hai thứ người dùng kiểm soát được: ảnh chụp có rõ không và câu hỏi có cụ thể không. Bài này đi vào cách chụp khi không nhìn thấy khung hình, các câu hỏi mẫu cho từng tình huống, cách hỏi tiếp để phát hiện chỗ AI đoán, và ranh giới những việc nên kiểm lại với người tin cậy.
AI "nhìn" ảnh như thế nào và vì sao đôi khi nói sai
Các mô hình AI đọc ảnh được huấn luyện trên rất nhiều cặp ảnh và lời mô tả. Khi nhận một bức ảnh mới, chúng đưa ra lời mô tả có khả năng cao nhất dựa trên những gì đã học. Điều này khiến AI rất giỏi những cảnh phổ biến như phòng khách, bữa ăn, đường phố, và nhận chữ in rõ. Nhưng nó cũng có xu hướng điền vào chỗ trống bằng điều thường gặp: ảnh mờ một chiếc hộp trắng có thể được tả là hộp sữa vì hộp sữa hay xuất hiện trong bếp, dù đó là hộp thuốc.
Người dùng cần hiểu rằng AI nói rất tự tin kể cả khi đang đoán. Câu "Đây là một chai nước rửa chén màu xanh" nghe chắc chắn y như câu đúng. Vì vậy, kỹ năng quan trọng không chỉ là hỏi, mà là hỏi tiếp để kiểm: hỏi AI đọc được chữ gì trên vật đó, hỏi nó chắc chắn tới đâu, chụp thêm một góc khác và so hai câu trả lời.
Một điểm khác là AI không biết bối cảnh của bạn. Nó không biết chiếc áo xanh là áo bạn cần mặc đi đám cưới hay đi làm vườn, không biết hộp trong tủ lạnh là của ai. Câu hỏi càng nêu rõ mục đích, câu trả lời càng có ích. Thay vì "Đây là gì?", hỏi "Đây có phải gói mì bò không, và hạn dùng in ở đâu?".
Chụp ảnh khi không nhìn thấy khung hình
Chụp ảnh tốt là bước quan trọng nhất và cũng là bước người khiếm thị thấy khó nhất lúc đầu. Những kỹ thuật dưới đây do người dùng lâu năm hay chia sẻ, có thể tập ở nhà với đồ vật quen.
- Biết vị trí máy ảnh: sờ để biết ống kính sau nằm ở góc nào của điện thoại. Ngón tay cầm máy không được che ống kính.
- Đặt vật lên nền trơn: mặt bàn một màu, tờ giấy lớn hoặc khay. Nền rối làm AI tả cả những thứ không liên quan.
- Khoảng cách bằng cánh tay co: với vật nhỏ như hộp thuốc, gói hàng, cầm máy cách khoảng hai đến ba gang tay, giữ thẳng phía trên vật. Với giấy A4, cao hơn một chút để vào đủ cả tờ.
- Ánh sáng: chụp gần cửa sổ ban ngày hoặc dưới đèn trần; bật đèn flash hoặc đèn pin của máy khi tối. Tránh để ánh nắng rọi thẳng tạo vệt loá trên bao bì bóng.
- Giữ yên và dùng phản hồi: nhiều ứng dụng hỗ trợ người khiếm thị có âm báo hoặc giọng nói chỉ dẫn "dịch lên trên", "đưa máy ra xa" khi thấy vật bị cắt. Nếu ứng dụng có, hãy bật.
- Chụp vài tấm: chụp hai, ba tấm ở góc hơi khác nhau rồi chọn tấm AI tả rõ nhất, hoặc hỏi lần lượt cả ba để so.
Với đồ vật hình trụ như chai, lọ, chữ nằm vòng quanh thân. Xoay vật từng phần tư vòng và chụp mỗi lần một tấm, hoặc dùng chế độ quay video ngắn nếu ứng dụng cho phép đọc từ video.
Câu hỏi mẫu theo tình huống hằng ngày
Các câu dưới đây dùng được với chatbot có chức năng đọc ảnh hoặc ứng dụng mô tả có ô hỏi đáp. Nói bằng giọng thay vì gõ cũng được.
| Tình huống | Câu hỏi nên dùng | Hỏi tiếp để kiểm |
|---|---|---|
| Chọn quần áo | Áo này màu gì, có hoa văn hay trơn, có vết bẩn chỗ nào không? | Màu này gần với màu nào trong các màu cơ bản? Hai chiếc áo trong ảnh có cùng màu không? |
| Thư từ, giấy tờ đến nhà | Tờ giấy này do ai gửi, nói về việc gì, có hạn chót hay số tiền nào không? | Đọc nguyên văn dòng có số tiền và ngày tháng. |
| Ảnh người thân gửi | Mô tả ảnh: có mấy người, đang làm gì, ở đâu, khung cảnh thế nào? | Người đứng giữa đang cầm gì? Trời nắng hay mưa? |
| Trong bếp | Gói này là gì, đọc tên sản phẩm và hạn dùng giúp. | Có chữ nào ghi cách bảo quản hoặc dị ứng không? |
| Định hướng trong phòng lạ | Mô tả căn phòng phía trước: cửa ở đâu, có bậc thềm hay vật cản trên sàn không? | Vật cản gần nhất cách bao xa theo ước lượng? |
| Thiết bị trong nhà | Màn hình máy giặt đang hiện gì, đèn nào đang sáng? | Nút xoay đang chỉ vào vị trí nào? |
Khi hỏi về khoảng cách và vật cản, nhớ rằng AI chỉ ước lượng từ một khung hình, không đo được thật. Nó không thay gậy trắng, chó dẫn đường hay kỹ năng định hướng di chuyển.
Ba nguồn mô tả và khi nào dùng nguồn nào
Tính năng mô tả có sẵn trong điện thoại. Một số trình đọc màn hình tự mô tả ảnh khi bạn chạm vào, hoặc có chế độ nhận diện người, cửa, đồ vật qua máy ảnh. Ưu điểm là nhanh, không cần mở ứng dụng khác; một số xử lý ngay trên máy. Nhược điểm là mô tả thường ngắn.
Chatbot đa năng có chức năng đọc ảnh. Mô tả dài, hỏi tiếp được nhiều lượt, hợp với ảnh gia đình, giấy tờ dài, so sánh đồ vật. Ảnh được gửi lên máy chủ của hãng, nên cân nhắc khi ảnh có người khác hoặc thông tin riêng.
Ứng dụng chuyên cho người khiếm thị. Thường có chế độ riêng cho chữ ngắn, tài liệu, tiền, màu sắc, ánh sáng, kèm âm báo hướng dẫn chụp. Một số còn kết nối với tình nguyện viên nhìn được qua cuộc gọi video. Tính năng và điều khoản thay đổi theo thời gian, nên kiểm phiên bản hiện hành và đọc phần quyền riêng tư.
Người thật vẫn là nguồn tốt nhất cho việc quan trọng. Khi kết quả liên quan tới tiền, thuốc, giấy tờ pháp lý hay an toàn, hãy nhờ người tin cậy kiểm lại, qua gọi video nếu ở xa. AI giúp bạn biết cần hỏi gì, người thật xác nhận câu trả lời.
Quyền riêng tư khi chụp ảnh nhờ AI xem
Người khiếm thị thường phải chụp nhiều thứ riêng tư hơn người khác, vì đó là cách duy nhất để "đọc" chúng. Vài nguyên tắc giúp giảm rủi ro mà vẫn dùng được công cụ.
- Không gửi ảnh căn cước, thẻ ngân hàng mặt có số, mã OTP, mật khẩu hay sổ tiết kiệm lên chatbot công cộng. Nếu cần đọc, dùng tính năng xử lý trên máy hoặc nhờ người tin cậy.
- Giấy tờ khám bệnh, đơn thuốc, kết quả xét nghiệm là dữ liệu sức khoẻ. Ưu tiên đọc bằng tính năng nhận chữ trên máy, không đưa vào chatbot để hỏi ý nghĩa; ý nghĩa thì hỏi bác sĩ.
- Khi chụp cảnh có người khác, đặc biệt trẻ em, hãy hỏi ý họ nếu được, và không chia sẻ lại ảnh đó.
- Kiểm cài đặt của chatbot về lưu lịch sử và dùng dữ liệu để cải thiện mô hình; tắt những gì không cần.
- Xoá ảnh trong thư viện sau khi đã đọc xong giấy tờ riêng, vì thư viện ảnh có thể được đồng bộ lên đám mây.
Nguyên tắc chung: chụp đủ phần cần đọc, không chụp thừa. Muốn biết hạn nộp tiền điện thì chỉ cần phần có ngày và số tiền, không cần cả mã khách hàng và địa chỉ.
Ảnh trong nhóm chat gia đình: nhờ người gửi kèm vài dòng mô tả
Nhóm chat gia đình là nơi người khiếm thị nhận nhiều ảnh nhất: cháu đi học, bữa cơm cuối tuần, ảnh du lịch, ảnh chụp giấy báo. Trình đọc màn hình thường chỉ đọc "ảnh" hoặc một mô tả rất ngắn. Mỗi lần muốn biết phải lưu ảnh rồi mở công cụ AI, khá mất công, và ảnh có người thân, trẻ nhỏ lại bị gửi đi thêm một lần.
Cách đơn giản nhất là thoả thuận với cả nhà: ai gửi ảnh thì gõ kèm một hai câu mô tả, kiểu "Ảnh bé Na mặc áo đồng phục mới đứng trước cổng trường, cười rất tươi". Việc này chỉ tốn vài giây với người gửi, nhưng giúp người khiếm thị tham gia cuộc trò chuyện ngay, không bị đứng ngoài. Trên mạng xã hội, nhiều nền tảng có ô thêm văn bản thay thế cho ảnh; người thân có thể dùng nó khi đăng ảnh gia đình.
Khi người gửi quên, người khiếm thị vẫn có thể dùng AI, nhưng hãy hỏi những gì mình thực sự quan tâm, ví dụ "Bà ngoại trong ảnh trông có khoẻ không, đang ngồi hay đứng", thay vì nghe một bản tả dài cả cái bàn, cái ghế. Đây cũng là dịp để con cháu hiểu rằng ông bà, cha mẹ nhìn kém vẫn muốn được thấy cuộc sống của gia đình, chỉ là bằng một con đường khác.
Tập luyện để AI thành thói quen có ích, không phải thói quen phụ thuộc
Giai đoạn đầu, nhiều người khiếm thị hào hứng chụp mọi thứ. Sau vài tuần, những người dùng hiệu quả nhất thường rút lại vài tình huống thật sự có ích: đọc thư, nhận quần áo, đọc bao bì, xem ảnh gia đình. Các việc khác họ vẫn làm bằng kỹ năng cũ như sắp xếp đồ theo vị trí cố định, đánh dấu bằng xúc giác, hỏi người bán. Cách kết hợp này nhanh hơn chụp ảnh cho mọi việc.
Người thân có thể giúp bằng cách cùng tập trong một buổi: đặt mười món đồ quen lên bàn, để người dùng chụp và hỏi, rồi so lời AI với thực tế. Buổi tập cho thấy rõ AI giỏi ở đâu, hay sai ở đâu với chính đồ đạc trong nhà, và người dùng sẽ biết lúc nào nên tin, lúc nào nên hỏi lại.
Cuối cùng, AI mô tả là công cụ, không phải người chăm sóc. Nó giúp người khiếm thị tự làm thêm nhiều việc mà không phải chờ ai, và quyền quyết định vẫn thuộc về người dùng: chọn mặc áo gì, giữ hay bỏ thư nào, trả lời ảnh người thân ra sao.
Câu hỏi thường gặp
AI mô tả ảnh có đọc được chữ viết tay không?
Có thể đọc được chữ viết tay rõ, nét chữ to và tách bạch. Chữ viết tay vội, chữ nghiêng, chữ trên giấy nhàu thì dễ đọc sai. Với giấy tờ viết tay quan trọng như giấy hẹn, giấy biên nhận, nên nhờ người tin cậy đọc lại để xác nhận.
Dùng AI mô tả ảnh có cần mạng không?
Chatbot và phần lớn tính năng mô tả chi tiết cần kết nối mạng vì ảnh được xử lý trên máy chủ. Một số tính năng đơn giản như nhận chữ, nhận diện người hay cửa có thể chạy ngay trên máy không cần mạng, tuỳ điện thoại. Kiểm trong cài đặt của ứng dụng hoặc thử khi tắt mạng.
AI có nhận ra người quen trong ảnh không?
Nhiều công cụ cố ý không nhận diện danh tính khuôn mặt vì lý do quyền riêng tư; chúng chỉ tả đặc điểm như tóc, quần áo, tư thế. Một số ứng dụng cho phép tự lưu khuôn mặt người thân trên máy với sự đồng ý của họ. Hỏi ý người được lưu trước khi làm.
Mô tả của AI quá dài và lan man, làm sao cho gọn?
Nói rõ yêu cầu ngay trong câu hỏi, ví dụ "Trả lời trong hai câu" hoặc "Chỉ cho biết màu và loại vật". Có thể đặt một hướng dẫn cố định trong cài đặt chatbot, kiểu "Người dùng là người khiếm thị, mô tả ngắn, việc quan trọng nêu trước".
Có nên dùng AI để xem đèn giao thông khi qua đường không?
Không nên dựa vào AI để quyết định qua đường. Hình ảnh có độ trễ, ánh sáng có thể gây sai, và xe cộ thay đổi từng giây. Hãy dựa vào kỹ năng định hướng di chuyển, âm thanh giao thông, đèn có tín hiệu âm thanh nếu có, và nhờ người đi đường khi cần.
Ảnh gửi cho chatbot có bị người khác xem không?
Tuỳ hãng và cài đặt, ảnh có thể được lưu trong lịch sử, được xem lại để kiểm tra an toàn hoặc dùng để cải thiện mô hình. Đọc phần quyền riêng tư, tắt các tuỳ chọn không cần, và không gửi ảnh có thông tin cá nhân, tài chính, sức khoẻ.