assistant-blind-person-pitch

1.

AI ASSISTANT / ACCESSIBILITY
Ассистент для незрячего
человека
Голосовой AI-ассистент, который описывает сцену через
камеру и возвращает пользователю скорость и
самостоятельность.
voice-first MVP
camera -> VLM -> speech
Сцена
в кадре
Короткий
голосовой
ответ
Перед вами дверь.
Справа свободный
проход.
Спикер
Станислав Малярчук
Команда: Влад Пучков, Анна Некрасова, Станислав Малярчук
01

2.

ПРОБЛЕМА
Проблема не в отсутствии информации,
а в задержке до полезного ответа.
01
02
03
Незрячему человеку трудно быстро понять,
что именно находится перед ним: предмет,
препятствие, проход, человек или транспорт.
2.2 млрд
1 млрд
людей живут с нарушением зрения
случаев без нужной помощи
мировая оценка WHO
предотвратимые или неохваченные случаи
9 из 12
8 из 12
отметили критичность скорости
указали зависимость от помощи
первичные интервью команды
бытовые сценарии и ориентация
Когда ответ приходит слишком поздно,
человек снова зависит от сопровождающего,
интернета или более дорогого устройства.
В бытовом сценарии выигрывает не тот, кто
говорит длиннее, а тот, кто сообщает коротко
и вовремя.
Вывод для продукта: в everyday-сценарии важнее своевременный spoken
answer, чем длинное или сложное объяснение.
Источники: WHO, 2019; 12 первичных интервью команды, 2026
02

3.

РЕШЕНИЕ
Мы превращаем камеру в короткий
голосовой ответ, который можно
использовать сразу.
Захват сцены
Пользователь наводит камеру
телефона или ноутбука на
объект, помещение или улицу.
голос или кнопка
Понимание
VLM выделяет главное:
предметы, людей, препятствия,
проходы и контекст.
локально или через GPU
Позиционирование: не сложный девайс, а быстрый сценарий помощи в знакомом интерфейсе.
Короткий
ответ
Система собирает краткое
описание без перегруза
лишними деталями.
Главный эффект:
сокращаем время от
кадра до действия.
Озвучка
Ответ сразу возвращается
голосом, чтобы пользователь
мог действовать дальше.
без обязательных smart-glasses
03

4.

РЫНОК
Рынок уже измеряется в деньгах, а наш первый
вход - через достижимый сегмент и пилоты.
$6.11B
глобальный рынок assistive technologies for visually impaired в 2024
$2.74B
segment enterprises & social organizations
логичный вход для пилотов через ВОС, школы и реабилитационные
организации
184 571
членов ВОС на 01.01.2025
конкретная стартовая экосистема для
тестов и партнерств в РФ
прогноз до $11.25B к 2029
Достижимый стартовый сегмент для нашей GTM-модели
Что проговаривать устно:
мы считаем TAM как глобальный рынок assistive technologies for
visually impaired, а в качестве первого достижимого сегмента
берем организации и соцструктуры, через которые проще
запускать пилоты.
Источники: ResearchAndMarkets, 2025; ВОС, 09.07.2025
44.86% рынка 2024 приходится на enterprises & social organizations - это совпадает с логикой
первых пилотов через ВОС, школы и реабилитацию.
04

5.

КОНКУРЕНТЫ И ПРЕИМУЩЕСТВА
Конкуренты подтверждают спрос, но оставляют
пространство для более доступного и гибкого
сценария.
Be My Eyes
OrCam MyEye
Envision Glasses
Наш подход
мощный сервис, но не
автономный сценарий
сильное dedicated hardwareрешение
умные очки с хорошими
функциями
voice-first assistant на
знакомой камере
750k+ users / 8.3M+
volunteers
starting from $4,250
Нужны интернет, live-call или
другой человек. Не всегда
приватно и не всегда быстро.
ниже потенциальный входной чек
Высокий порог входа и дорогой
форм-фактор отдельного
устройства.
русскоязычный voice flow
локальный/приватный режим
$1,899 - $3,499
Нужно привыкать к носимому
устройству и вкладываться в
hardware.
phone / laptop / GPU-ready
Пока это MVP, поэтому наш фокус довести до пилота и ускорить
реальные пользовательские
сценарии.
гибкий запуск без обязательных очков
Позиционирование: не спорим с рынком, а заходим через более гибкий и потенциально более доступный
сценарий использования.
Источники: Be My Eyes, OrCam, Envision official sites, checked 08.05.2026
05

6.

ПРОДУКТ И ПРЕИМУЩЕСТВА
Продукт закрывает целый сценарий
взаимодействия со средой, а не только
распознавание объекта.
Вход
камера ноутбука • камера телефона • одно изображение • голосовая
команда
Ядро
описание сцены • выделение главного • контекстная память
остановка по слову «стоп»
Выход
короткий spoken answer • launcher UI • локальный или удаленный backend
Кадр из окружения
Перед вами дверь. Справа
свободный проход, слева
стол.
Use cases
понять, что перед человеком
свериться с незнакомой сценой
Источник: текущий MVP проекта, README и roadmap, май 2026
заметить препятствие или проход
сохранить контекст между запросами
06

7.

ТЕХНОЛОГИИ И МЕТРИКИ
Технологический стек уже собран в рабочий
pipeline: от кадра до речи.
OpenCV
Qwen2.5-VL
llama.cpp / vLLM
захват и базовая работа с
кадром
понимание сцены и генерация
ответа
локальный и GPU backend
Vosk + stop detector
SQLite + FTS
System / Silero TTS
голосовые команды и
прерывание
память и retrieval по контексту
быстрый spoken output
3
режима входа
camera / photo / phone feed
2
режима развертывания
local Mac / Colab GPU
1
voice loop
Почему это важно для защиты
Технологии стоит проговаривать словами: camera input, Qwen2.5-VL, voice commands, memory, TTS, локальный
и GPU-path. Это показывает, что продукт не абстрактный, а реально собранный и расширяемый.
speech + stop interrupt
MVP
собранный end-to-end
не прототип на бумаге
Источник: текущий MVP проекта, README и roadmap, май 2026
07

8.

TRACTION / РЕЗУЛЬТАТЫ
Мы уже дошли до working MVP и готовы
переходить от демо к пилоту.
Discovery
12 интервью с потенциальными пользователями и
окружением.
MVP core
Готовы camera mode, photo mode, voice output, memory и
stop-word interrupt.
Demo ready
End-to-end запуск работает локально и имеет GPU-path
через Colab/vLLM.
Pilot
Почему этот слайд сильный
Мы не обещаем несуществующих клиентов. Мы
честно показываем путь: боль подтверждена, MVP
собран, демо готово, следующий шаг - пилот с
реальными пользователями.
не идея, а демонстрируемый
продукт
валидированная боль и
сценарий использования
понятный следующий
шаг: пилот и полевые
тесты
Следующий milestone: пилотная группа, field-tests, сокращение latency на
GPU и обратная связь от accessibility-среды.
Следующий шаг: тесты с реальными пользователями и
партнерами из accessibility-среды.
Источник: текущий статус MVP и проектные материалы, май 2026
08

9.

КОМАНДА
Команда закрывает продукт, AI и тестирование
внутри одного цикла разработки.
ВП
Влад Пучков
АН
Анна Некрасова
СМ
Станислав
Малярчук
Тимлид, разработчик, AI-инженер
Разработчик, AI-инженер
Тестировщик, спикер
архитектура, backend, интеграция
моделей
AI-логика, продуктовые сценарии,
инженерная сборка
проверка сценариев, demo flow,
пользовательская подача
Коллективные компетенции
Python и backend-разработка
computer vision и VLM integration
Основа для устного комментария: роли, стек и опыт внутри самого проекта.
speech tech: STT / TTS / stop-word loop
UX-интервью и тестирование сценариев
09

10.

СПАСИБО
Следующий
шаг - пилоты,
обратная связь
и партнеры по
доступности.
QR на репозиторий и demo setup
Запрос к слушателям
Нам нужны пилоты,
доступ к accessibilityэкспертам и
обратная связь по
реальным
пользовательским
сценариям.
Нам нужны пилотные площадки
и знакомства с реальными
пользователями.
Нам важна экспертиза accessibilityсообщества и организаций,
работающих с незрячими людьми.
github.com/stasesonchik/Assistantto-a-blind-person
По QR - репозиторий проекта и
материалы для демо.
QR ведет на репозиторий проекта; при появлении публичного demo URL его можно заменить без перестройки слайда.
Спикер: Станислав
Малярчук
GitHub: stasesonchik
Материалы по QR
Спасибо за
внимание
10