Mag-scan at Tumukoy
Itutok ang camera sa anumang wine shelf o label para agad matukoy ang bawat bote. Tingnan ang mga grape variety, rehiyon, vintage year, at tasting note.
Itutok ang camera mo sa anumang wine shelf o label, at tutukuyin ng VinSip ang bawat bote sa loob ng ilang segundo. Makakuha ng mga personal na rekomendasyon mula sa sommelier batay sa panlasa, budget, at okasyon mo — hindi kailangan ng kaalaman sa wine.
Itutok ang camera sa anumang wine shelf o label para agad matukoy ang bawat bote. Tingnan ang mga grape variety, rehiyon, vintage year, at tasting note.
Tumuklas ng mga wine shop, bar, at restaurant na malapit sa iyo o nasa anumang lungsod sa buong mundo. Tingnan ang oras ng pagbubukas, mga specialty, direksyon, at rating ng komunidad bago bumisita.
Makakuha ng mga rekomendasyong gamit ang AI at tugma sa iyong panlasa. Sabihin sa VinSip kung ano ang gusto mo — tamis, body, budget — at hahanapin nito ang mga wine na bagay sa iyo.
Itala ang bawat wine na natitikman mo. Bigyan ng rating ang mga bote gamit ang 5-star scale, magdagdag ng tasting note, at bumuo ng personal na history ng iyong paglalakbay sa wine.
Habang mas marami kang sine-scan, mas nagiging matalino ang VinSip. Natututuhan nito ang iyong mga kagustuhan at ipinapakita ang mga wine na talagang magugustuhan mo — walang generic na "top 10" list.
Mga wine shop sa Paris, restaurant sa Rome, at bar sa New York. Mina-map ng VinSip ang mga venue sa bawat lungsod at tinutukoy ang wine nasaan ka man.
Itapat ang iyong phone sa isang wine shelf at tutukuyin ng VinSip ang bawat nakikitang bote sa loob ng ilang segundo. Binabasa ng scanner ang mga label, back label, at shelf tag — kaya gumagana ito kahit masisikip ang pagkakaayos ng mga bote. Kapag natukoy na, makikita mo ang mga grape variety, rehiyon ng pinagmulan, vintage, at average na rating mula sa mga wine community.
Hindi lang tumutukoy ang VinSip — nagbibigay din ito ng mga rekomendasyon. Pagkatapos mag-scan, makakakuha ka ng mga personalisadong pagpipiliang naka-rank ayon sa pagkakatugma sa profile ng iyong panlasa. Itakda nang minsan ang iyong mga kagustuhan — antas ng tamis, gustong body, saklaw ng budget, mga okasyon — at bawat scan ay magbibigay ng mga mungkahing akma sa iyo.
Ang bawat wine na ini-scan o tinitikman mo ay sine-save sa personal mong wine diary. Bigyan ng rating ang mga bote gamit ang 5-star scale, magdagdag ng tasting notes, at markahan ang mga wine bilang "Gustong Tikman" o "Natikman". Sa paglipas ng panahon, mabubuo ang detalyadong history ng mga natutuklasan mong wine — tingnan ang stats tungkol sa mga paborito mong rehiyon, grape variety, at price range.
I-download mula sa App Store o Google Play. Hindi kailangan ng credit card o sign-up para magsimulang mag-scan.
Itutok ang camera mo sa anumang wine shelf, bote, o wine list ng restaurant. Agad na tinutukoy ng VinSip ang mga wine.
Tingnan ang mga personalized na pagpili batay sa taste profile mo. I-save ang mga paborito, subaybayan ang iyong paglalakbay, at makipag-chat sa AI sommelier.
Mag-scan bago bumili. Libreng i-download — hindi kailangan ng account, email address, o credit card para magsimula — at walang bayad na placement sa site na ito.
Natutukoy ng wine app ang isang bote sa pamamagitan ng pagbasa sa label bilang image, hindi sa pagkilala sa wine. May apat na magkakahiwalay na hakbang mula sa pagkuha ng litrato hanggang sa rekomendasyon, at magkakaiba ang posibleng maging problema sa bawat isa.
Sa unang pagsusuri, hinahanap sa litrato ang mga bahaging hugis-label at itinutuwid ang mga ito. Karaniwang may walo hanggang dalawampung posibleng label sa litrato ng isang shelf, at karamihan ay nakatagilid at bahagyang natatakpan ng bote sa harap. Hindi na mababawi sa mga susunod na hakbang ang anumang hindi makita ng detector sa yugtong ito, kaya mas maaasahan ang litratong kinunan nang diretso sa harap ng iisang bote kaysa sa malawak na kuha ng isang shelf.
Kino-convert ng optical character recognition ang bawat bahagi bilang text. Dito nangyayari ang mga karaniwang pagkakamali: malaking serif letter sa madilim na background, gold foil na nagiging sobrang liwanag sa ilalim ng ilaw ng tindahan, script font sa label ng Burgundy, at vintage na naka-print sa leeg sa halip na sa katawan ng bote. Isang string ang output, at sapat na ang isang maling character sa pangalan ng producer para maituro ng susunod na hakbang ang maling wine.
Itinutugma ang na-extract na text sa isang wine database. Para magkaroon ng match, kailangan ang producer, pangalan ng wine, at kung maaari, ang vintage; kung dalawa lang sa tatlo ang mayroon, isang grupo ng mga wine ang lalabas sa halip na isang partikular na bote. Sa hakbang na ito napagpapasyahan kung makukuha mo ang "Château Something 2019" o "isang red wine mula sa Bordeaux".
Magkaibang problema ang pagtukoy sa pangalan ng bote at ang pagrerekomenda nito, at ang una lang ang computer vision task. Niraranggo ng rekomendasyon ang mga natukoy na bote batay sa mga sinabi mong gusto mo — style, tamis, budget, at okasyon — kaya mas nakadepende ang kalidad ng sagot sa kung gaano ka katapat sa paglalagay ng mga preference na iyon kaysa sa kalidad ng camera. Ang app na nagrerekomenda nang hindi man lang nagtatanong kung ano ang gusto mo ay nagra-rank lang batay sa kasikatan at ipinapalabas na personal ito.
Pumapalya ito sa mga label na sira, basa, o natutuklap dahil wala nang mabasang text. Pumapalya ito sa napakaliliit na producer na ang mga wine ay wala sa anumang database. Pumapalya ito sa mga wine na rehiyon lang ang nakalagay sa label at walang pangalan ng producer, na karaniwan sa Italy at Spain. Pumapalya ito sa mahinang ilaw dahil mas kailangan ng OCR ang contrast kaysa resolution.
Pumapalya rin ito nang hindi halata, at iyon ang mapanganib na sitwasyon: isang sagot na mukhang tiyak pero maling vintage ng tamang wine ang tinutukoy. Vintage ang pinakamadalas na maling mabasa dahil ito ang pinakamaliit na text sa karamihan ng mga label at madalas ay nasa hiwalay na strip.
May mas hindi halatang uri ng pagkakamali na walang nagbababala: maaaring perpekto ang recognition pero mali pa rin ang recommendation dahil walang reference data para sa vintage ng bote na hawak mo. Ang isang 2022 na vintage ng wine na hanggang 2019 lang ang alam ng database ay ilalarawan ayon sa katangian ng mas lumang wine, at walang anumang pahiwatig sa interface na nagkaroon ng ganitong substitution.
Ang praktikal na tuntunin: gamitin ang recognition para malaman kung anong bote iyon kapag hindi mo pa ito nakikita dati, at ikaw mismo ang tumingin sa label bago umasa sa sagot para sa anumang may malaking halagang nakataya. Hindi dapat maging huling batayan ang anumang image model sa isang auction bid o insurance valuation.
Ang wine recognition mula sa litrato ay optical character recognition na sinundan ng database lookup, na may detection step bago ang mga ito. Gumagana ito nang maayos sa malinis, maliwanag, at nakaharap na label mula sa producer na nasa reference data, pero humihina ang katumpakan nito — at karaniwang nagbibigay ng kapani-paniwalang maling sagot sa halip na halatang pumalya — sa mga sirang label, cursive na font, mahinang ilaw, at hindi kilalang mga producer. Vintage ang field na pinakamadalas magkamali. Ituring ang resulta bilang matibay na pahiwatig tungkol sa bote na hawak mo, at i-verify ito sa label bago gumawa ng anumang desisyong maaaring ikalugi mo kapag mali ang sagot.
Tatlong pagkakaibang maaaring beripikahin sa halip na basta paniwalaan, kabilang ang isang hindi pabor sa amin.
| Ano ang inihahambing | Malalaking wine app | VinSip |
|---|---|---|
| Ano ang batayan ng pagkalkula sa ranking | Ang average ng lahat ng nag-rate sa wine | Ang style, tamis, budget at okasyong itinakda mo bago mag-scan |
| Ano ang sini-scan | Isang boteng napili at nahawakan mo na | Ang buong shelf sa harap mo, naka-rank |
| Kung nagbebenta rin ng wine ang recommender | Oo — inililista ng Apple ang Vivino sa Shopping pati sa Food & Drink, at nagbebenta ito sa sarili nitong marketplace | Hindi. Hindi kami nagbebenta ng wine at hindi tumatanggap ng bayad para sa listing o puwesto sa ranking |
| Laki ng wine database | Ayon sa inilathala ng Vivino, mayroon itong 19.6 million wine at 3.26 billion scan | Mas maliit, at tunay itong trade-off |
Ano ang batayan ng pagkalkula sa ranking. Sinasagot ng average ang "gusto ba ito ng mga tao". Hindi nito masasagot ang "magugustuhan ko ba ito", dahil ang taong may tiyak na preference ay nasa dulo ng distribution, na siya mismong bahagi kung saan pinakamaliit ang impormasyong naibibigay ng mean.
Ano ang sini-scan. Ginagawa ang desisyon sa aisle habang namimili sa dalawampung bote, hindi pagkatapos sa iisang bote.
Kung nagbebenta rin ng wine ang recommender. Usapin ito ng estruktura, hindi paratang: ang recommendation na ipinapakita katabi ng imbentaryong pinagkakakitaan ng recommender ay iba sa recommendation na hindi nito pinagkakakitaan.
Laki ng wine database. Para sa isang hindi kilalang grower, matutukoy ng Vivino ang bote ngunit hindi namin ito matutukoy. Mas gusto naming sabihin iyon dito kaysa matuklasan mo pa sa isang shop.
Ang pinakamalaking database ng wine ay sa Vivino, at hindi man lang dikit ang labanan: 19.6 million wine kumpara sa isang catalog na mas maliit nang ilang antas. Ang naiiba sa VinSip ay ang batayan ng pagraranggo nito — ang mga preference na ikaw mismo ang nagsasaad, sa halip na average ng mga hindi mo kilala — at wala itong wine na ibebenta sa iyo, kaya walang nasa listahan dahil nagbayad ito para maisama. Kung gusto mo ang pinakamalaking catalog, gamitin ang pinakamalaking catalog. Kung gusto mong maiayos ang isang estante ayon sa sarili mong panlasa ng isang serbisyong walang pansariling interes sa resulta, ito iyon.