Il 1° settembre l’Add-on Store di NVDA ha pubblicato la versione 0.9.0 di Vis Aware, l’estensione di cary-rowen che porta dentro lo screen reader l’OCR, la descrizione delle immagini con l’intelligenza artificiale e una modalità che lascia al modello il comando del computer. La novità principale della versione è l’arrivo di DeepSeek fra i motori disponibili, sia per descrivere le immagini sia per la modalità agente.
Vis Aware chiede almeno NVDA 2026.1 ed è distribuito con licenza GPL versione 2. La scheda nel catalogo ufficiale lo descrive come «NVDA add-on for OCR, AI-powered image description, automatic recognition, and AI-assisted computer control».
Cosa cambia nella 0.9.0
Il changelog pubblicato su GitHub elenca cinque voci. La prima aggiunge i motori DeepSeek per la descrizione delle immagini e per l’agente, con endpoint API e modelli di visione configurabili dall’utente. La seconda introduce un comando che fa ruotare il riconoscimento automatico fra tre stati: spento, descrizione dell’immagine, OCR. Quel comando arriva senza gesto assegnato, quindi va impostato a mano dalla finestra Gesti di immissione di NVDA.
Le altre tre voci riguardano l’affidabilità. Il lavoro in background ora viene messo in fila invece che eseguito in parallelo, resta in coda soltanto l’ultima richiesta pendente, la cancellazione si propaga anche alle chiamate di rete e alle richieste OCR, e i tempi di attesa sono stati accorciati. Un’altra correzione fa ignorare i risultati che arrivano dopo che il bersaglio del riconoscimento è cambiato, cioè quando la risposta del modello torna e nel frattempo il fuoco si è già spostato altrove.
Le immagini delle pagine web
Una voce del changelog riguarda la modalità navigazione. Il riconoscimento automatico delle immagini nelle pagine web adesso legge l’indirizzo dell’immagine corrente e anche quelli caricati in ritardo, il cosiddetto lazy loading che rimanda il caricamento finché l’immagine non entra nello schermo. Quando l’indirizzo non è disponibile, l’estensione ripiega su uno scatto dello schermo.
I motori accumulati nelle versioni precedenti
DeepSeek si aggiunge a una lista già lunga. La 0.8.1, uscita il 10 agosto, aveva portato Kimi attraverso la sua API compatibile con OpenAI, con domande di approfondimento sulla stessa immagine, OCR con coordinate strutturate e supporto per la modalità agente. La stessa versione aveva cambiato il modo di trattare la matematica: le formule visibili vengono convertite in LaTeX, e un’immagine che contiene solo una formula torna come formula LaTeX invece che come descrizione a parole.
Sempre nella 0.8.1 le descrizioni automatiche sono state ridotte a venti o trenta parole senza formattazione Markdown, mentre i risultati con contenuto tabellare escono in tabelle Markdown standard. La 0.7.0 del 30 luglio aveva aggiunto il motore Apple Vision, che fa girare l’OCR su un iPhone della stessa rete locale attraverso l’app open source OCR Server. Più indietro, la serie 0.6 aveva introdotto PaddleOCR e PaddleOCR-VL, i modelli Gemma di Google via Ollama e i modelli Gemini.
Motori accesi e motori spenti
La lista dei motori si allunga a ogni versione, e la serie 0.6 aveva già introdotto la contromisura: ogni motore si abilita o si disabilita singolarmente dalle impostazioni, e quelli spenti spariscono dall’uso normale e dal comando che fa ruotare i motori. Chi usa un solo servizio si ritrova quindi un ciclo con una voce sola.
La stessa serie aveva aggiunto la resa Markdown dei risultati e le domande di approfondimento per i motori conversazionali, cioè la possibilità di chiedere altro sulla stessa immagine invece di rilanciare il riconoscimento da capo. La 0.6.5 aveva sistemato la disposizione delle finestre di impostazioni e di approfondimento, compreso il ridimensionamento sugli schermi ad alta densità.
Chiavi API a carico dell’utente
L’estensione è gratuita e open source, i modelli dietro restano dei rispettivi fornitori. Gli endpoint configurabili citati nel changelog indicano che le chiavi API dei servizi le mette chi installa, alle condizioni di DeepSeek, Kimi o Google. Le alternative locali restano PaddleOCR e Gemma via Ollama, che girano sul computer senza mandare nulla in rete.
Vis Aware si installa dall’Add-on Store di NVDA oppure si scarica dal repository dell’autore. Scarica Vis Aware dal repository GitHub di cary-rowen (gratis, licenza GPL v2, richiede NVDA 2026.1 o successivo).
Chiedi a Sonar su questo articolo
Sonar è l’assistente di TecnoAccess: risponde usando solo gli articoli della testata e ti dice sempre di quando è la cosa che racconta.
Iscriviti e ricevi il libro in regalo
Iscrivendoti alla newsletter ricevi subito «AI e disabilità visiva 2026», il nostro libro di 67 pagine sugli strumenti che funzionano davvero, in EPUB e in PDF accessibile.
Poi, ogni venerdì mattina, le notizie della settimana e un consiglio pratico su VoiceOver, NVDA o TalkBack che pubblichiamo solo lì. È gratis e ci si disiscrive con un clic.