គម្រោងប្រភពបើកចំហថ្មីកំពុងភ្នាល់ថាវិធីលឿនបំផុតក្នុងការស្វែងរកអង្គចងចាំគឺដើម្បីពិពណ៌នាអំពីវា ហើយការស្វែងរកមិនគួរចាកចេញពីកុំព្យូទ័រយួរដៃរបស់អ្នកឡើយ។ SCM ខ្លីសម្រាប់ Screen Memories គឺជាកម្មវិធី macOS ឥតគិតថ្លៃដែលអនុវត្តគំរូ AI ក្នុងតំបន់ទៅគ្រប់រូបថត និងគ្រប់ស៊ុមវីដេអូក្នុងថត ដែលអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់ស្វែងរកបណ្ណាល័យរបស់ពួកគេជាភាសាសាមញ្ញ។ គម្រោងនេះបានបង្ហាញខ្លួននៅលើ GitHub ក្នុងសប្តាហ៍នេះ ហើយបានឡើងយ៉ាងលឿនទៅកាន់ទំព័រមុខរបស់ Hacker News ដែលវាបានទាក់ទាញច្រើនជាង 85 ពិន្ទុក្នុងរយៈពេលប៉ុន្មានម៉ោង។

ទីលានគឺសាមញ្ញនៅលើផ្ទៃ៖ ចង្អុល SCM នៅថតណាមួយ ហើយវាបង្កើតលិបិក្រមដែលអាចស្វែងរកបាននៃអ្វីដែលមាននៅក្នុងប្រព័ន្ធផ្សព្វផ្សាយរបស់អ្នក — មិនត្រឹមតែឈ្មោះឯកសារប៉ុណ្ណោះទេ ប៉ុន្តែខ្លឹមសារដែលមើលឃើញនៃរូបភាពនីមួយៗ និងឈុតនីមួយៗនៅក្នុងវីដេអូនីមួយៗ។ អ្វី​ដែល​កំណត់​វា​ដាច់​ពី​គ្នា​ក្នុង​កន្លែង​ដែល​មាន​មនុស្ស​ច្រើន​នៃឧបករណ៍​រូបថត AI គឺ​វា​ដំណើរការ​លើ Mac ខ្លួន​ឯង។ មិនមានគណនី គ្មានការបង្ហោះលើពពក និងគ្មានតេឡេម៉ែត្រទេ។ នៅពេលដែលម៉ូដែលទាញយកទម្ងន់របស់ពួកគេនៅពេលដំណើរការដំបូង កម្មវិធីដំណើរការដោយគ្មានអ៊ីនធឺណិត។ For more context on this story, see our ongoing artificial intelligence updates.

វិធីប្រាំយ៉ាងដើម្បីស្វែងរកប្រព័ន្ធផ្សព្វផ្សាយពេញមួយជីវិត

SCM រៀបចំការស្វែងរកទៅជារបៀបផ្សេងគ្នាចំនួនប្រាំ ដែលនីមួយៗដំណើរការដោយម៉ូដែលផ្សេងគ្នាដែលដំណើរការក្នុងមូលដ្ឋាន។

របៀប Files ដំណើរការការស្វែងរកតាមន័យធៀបនៃឯកសារទាំងមូលនៅលើរូបថត និងវីដេអូ ដោយចាត់ចំណាត់ថ្នាក់លទ្ធផលតាមអត្ថន័យជាមួយនឹងការជំរុញពីឈ្មោះឯកសារ និងឃ្លា។ ឈុតឆាក កាន់តែស៊ីជម្រៅ៖ កម្មវិធីនេះបានបែងចែកវីដេអូទៅជាឈុតនីមួយៗ ហើយបង្កប់ដោយឡែកពីគ្នា ដូច្នេះសំណួរនឹងនាំអ្នកទៅកាន់ការថតពិតប្រាកដ ដោយលោតត្រង់ទៅលេខកូដពេលវេលារបស់វា ជាជាងការបោះត្រាពេលវេលាដែលកប់នៅក្នុងឈ្មោះឯកសារ។

របៀបផ្តោតលើអត្ថបទពីរគ្រប់គ្រងពាក្យនៅក្នុងមេឌៀ។ របៀប OCR ​​ដែលបង្កើតឡើងនៅលើម៉ាស៊ីន Tesseract អានអត្ថបទដែលអាចមើលឃើញនៅក្នុងរូបភាព និងស៊ុមវីដេអូ ហើយត្រូវនឹងវាតាមព្យញ្ជនៈ ជាមួយនឹងភាសាអង់គ្លេស បូកនឹងកញ្ចប់ភាសាបន្ថែមចំនួន 35 ដែលអាចបិទបើកបាន។ របៀប ការសន្ទនា ដំណើរការការទទួលស្គាល់ការនិយាយរបស់ Whisper នៅលើវីដេអូ និងធ្វើលិបិក្រមពាក្យដែលបាននិយាយពិតប្រាកដ ជាមួយនឹងកម្រិតនៃកម្រិតនៃភាពត្រឹមត្រូវនៃការផ្គូផ្គងសម្រាប់ការស្វែងរកបន្ទាត់ជាក់លាក់មួយ។

ជាចុងក្រោយ របៀបជ្រើសរើស LLMs ប្រែក្លាយសម្ភារៈដែលបានស្រង់ចេញ — ប្រតិចារឹកការសន្ទនា អត្ថបទ OCR និងឈ្មោះឯកសារ — ចូលទៅក្នុងបរិបទជជែកក្នុងស្រុក។ អ្នក​ប្រើ​អាច​សួរ​សំណួរ​អំពី​បណ្ណាល័យ​ផ្ទាល់​ខ្លួន​របស់​ពួកគេ ហើយ​កម្មវិធី​ផ្ដល់​ចម្លើយ​ដោយ​មាន​ការ​ដកស្រង់​ចង្អុល​ត្រឡប់​ទៅ​ឯកសារ​ប្រភព ដែល​ទាំងអស់​បង្កើត​ដោយ​គំរូ​ដែល​ដំណើរការ​លើ​ម៉ាស៊ីន​តែមួយ។

របៀបដែលវាដំណើរការនៅក្រោមក្រណាត់

តាមបច្ចេកទេស SCM គឺជាកម្មវិធីអេឡិចត្រូនិចដែលសរសេរក្នុង JavaScript ដោយប្រើ Bun toolkit ជាកម្មវិធីគ្រប់គ្រងកញ្ចប់ និងពេលដំណើរការរបស់វា។ ការលើកធ្ងន់ត្រូវបានធ្វើឡើងដោយម៉ូដែលប្លែងដែលត្រូវបានប្រតិបត្តិដោយផ្ទាល់នៅក្នុងកម្មវិធី — គំរូចក្ខុវិស័យលំនាំដើមគឺជាវ៉ារ្យ៉ង់ CLIP ដែលទម្ងន់ប្រហែល 435 មេកាបៃត្រូវបានទាញយកម្តងនៅពេលប្រើលើកដំបូង។

សន្ទស្សន៍រក្សាខ្លួនឯង។ ថតដែលបានមើលនាំចូលមេឌៀថ្មីដោយស្វ័យប្រវត្តិនៅពេលវាមកដល់ មាតិកាបំបែកឯកសារស្ទួនដែលគ្រាន់តែត្រូវបានប្តូរឈ្មោះ ឬផ្លាស់ទី ហើយការប្តូរទៅម៉ូដែលផ្សេងបង្កប់បណ្ណាល័យឡើងវិញក្នុងផ្ទៃខាងក្រោយដោយមិនទប់ស្កាត់ការស្វែងរក។ អ្នកអភិវឌ្ឍន៍កត់សម្គាល់ថាលក្ខណៈពិសេសរបារម៉ឺនុយ និងថាសគឺជាក់លាក់ចំពោះ macOS ដែលកម្មវិធីត្រូវបានខ្ចប់សម្រាប់ការចែកចាយ។

គំរូឯកជនភាពគឺជាចំណុចលក់។ ឯកសាររបស់គម្រោងនេះគឺច្បាស់លាស់៖ មេឌៀមិនដែលចេញពីម៉ាស៊ីនទេ ការសន្និដ្ឋានដំណើរការក្នុងមូលដ្ឋានតាមរយៈម៉ាស៊ីនបំប្លែង ហើយបន្ទាប់ពីទម្ងន់ដំបូងទាញយកអ្វីៗទាំងអស់ដំណើរការដោយគ្មានអ៊ីនធឺណិត។ សម្រាប់អ្នកប្រើប្រាស់ដែលមានបណ្ណសាររសើប — រូបភាពវេជ្ជសាស្ត្រ រូបភាពផ្លូវច្បាប់ វីដេអូផ្ទាល់ខ្លួន — នោះជម្រើសស្ថាបត្យកម្មគឺជាលក្ខណៈពិសេស។

បង្កើតឡើងសម្រាប់បណ្ណសារផ្ទាល់ខ្លួន

ចំណុចប្រទាក់ឆ្លុះបញ្ចាំងពីទស្សនៈដូចគ្នានៃការប្ដូរតាមបំណង។ សំណួរណាមួយអាចត្រូវបានរក្សាទុកជាផ្ទាំងដែលអាចប្រើឡើងវិញបាន ដូច្នេះការស្វែងរកដែលចំណាយពេលបន្តិចដើម្បីឃ្លាក្លាយជាទិដ្ឋភាពអចិន្ត្រៃយ៍នៅលើបណ្ណាល័យ។ កម្មវិធីនេះក៏ដឹកជញ្ជូនជាមួយផ្ទាំងអេក្រង់ និងអ៊ីមែលដែលអាចបិទបើកបានផងដែរ ដោយទទួលស្គាល់ថា Mac ទំនើបប្រមូលផ្តុំរូបថតអេក្រង់ និងឯកសារភ្ជាប់ក្នុងល្បឿនមួយដែលបង្កើនការស្វែងរកផ្ទាល់ខ្លួនរបស់ប្រព័ន្ធប្រតិបត្តិការយ៉ាងឆាប់រហ័ស។

បច្ចេកទេសមូលដ្ឋានគឺជាម៉ាស៊ីនស្តង់ដារបច្ចុប្បន្ននៃការស្វែងរកតាមន័យធៀប៖ គំរូចក្ខុវិស័យបំប្លែងរូបភាព និងវីដេអូនីមួយៗទៅជាការបង្កប់ជាលេខ ហើយសំណួរត្រូវបានបង្កប់តាមរបៀបដូចគ្នា ដូច្នេះការផ្គូផ្គងកើតឡើងដោយអត្ថន័យជាជាងការត្រួតលើគ្នានៃពាក្យគន្លឹះ។ អ្វីដែលគួរឱ្យកត់សម្គាល់នៅទីនេះមិនមែនជាបច្ចេកទេសទេប៉ុន្តែការវេចខ្ចប់ - បំពង់ដូចគ្នាដែលសេវាកម្មរូបថតពពកដំណើរការនៅលើកសិដ្ឋានម៉ាស៊ីនមេត្រូវបានបង្ហាប់ទៅក្នុងកម្មវិធី Electron ដែលអ្នកមិនមែនអ្នកអភិវឌ្ឍន៍អាចដំឡើង និងដំណើរការដោយមិនចាំបាច់មើលលើថតដែលពួកគេជ្រើសរើស។

ផ្នែកនៃការផ្លាស់ប្តូរកាន់តែធំឆ្ពោះទៅរក AI ក្នុងស្រុក

SCM មកដល់នៅពេលដែលម៉ូដែល AI ដែលមានសមត្ថភាពដំណើរការលើផ្នែករឹងរបស់អតិថិជនបានផ្លាស់ប្តូរពីភាពថ្មីថ្មោងដល់ការរំពឹងទុក។ Apple បានជំរុញការស្វែងរកតាមន័យធៀបទៅក្នុងកម្មវិធី Photos របស់ខ្លួនជាលំដាប់ ខណៈពេលដែលការនិយាយ ប្រភពបើកចំហ និងគំរូអត្ថបទបានធ្លាក់ចុះដល់ទំហំដែលដំណើរការយ៉ាងងាយស្រួលនៅលើកុំព្យូទ័រយួរដៃ។ អ្វី​ដែល​នៅ​ខ្វះខាត​គឺ​មិន​មែន​ជា​គំរូ​មូលដ្ឋាន​នោះ​ទេ ប៉ុន្តែ​ជា​ស្រទាប់​រួម​បញ្ចូល​គ្នា—កម្មវិធី​ដែល​ភ្ជាប់​ពួកវា​ទៅ​ជា​អ្វី​ដែល​មិនមែន​វិស្វករ​អាច​ប្រើ​លើ​ឯកសារ​ផ្ទាល់​ខ្លួន​របស់​ពួកគេ។

នោះគឺជាទីផ្សារពិសេសដែល SCM កាន់កាប់ ហើយការទទួលស្វាគមន៍របស់វាបង្ហាញថាការរមាស់គឺពិតប្រាកដ។ ឃ្លាំងនេះបានប្រមូលផ្កាយចំនួន 160 និងសមចំនួនប្រាំបីក្នុងរយៈពេលប្រហែលមួយថ្ងៃ ដោយមានអ្នកអត្ថាធិប្បាយរបស់ Hacker News ផ្តោតលើសំណួររបស់ពួកគេលើទំហំគំរូ ល្បឿនធ្វើលិបិក្រម និងភាពអាចរកបានរបស់ Windows - បច្ចុប្បន្នចម្លើយចំពោះលេខចុងក្រោយគឺទេ ដោយសារគម្រោងនេះគឺសម្រាប់តែ macOS សម្រាប់ពេលនេះប៉ុណ្ណោះ។

គម្រោងនេះត្រូវបានចេញផ្សាយក្រោមអាជ្ញាប័ណ្ណ MIT ដែលអនុញ្ញាតឱ្យប្រើប្រាស់ពាណិជ្ជកម្ម និងការកែប្រែ។ សម្រាប់នរណាម្នាក់ដែលមានបណ្ណសាររូបថត និងការថតអេក្រង់ធំ ហើយមិនរៀបរយ ហើយការមិនចូលចិត្តជាគោលការណ៍នៃការបង្ហោះវានៅកន្លែងណាក៏ដោយ វាគឺជាការបង្ហាញដ៏គួរឱ្យទាក់ទាញមួយបន្ថែមទៀត ប៉ុន្តែម៉ាស៊ីនស្វែងរកប្រព័ន្ធផ្សព្វផ្សាយក្នុងស្រុកពេញលេញមិនមែនជាការបង្ហាញស្រាវជ្រាវទៀតទេ — វាគឺជាការដំឡើងពេលរសៀល។

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →