สถานะโครงการ LunaV
ตรวจหลักฐานถึงวันที่ 29 ตุลาคม 2026 LunaV เป็นต้นแบบวิจัยบน iPhone ที่ประมวลผลในเครื่อง แอปปัจจุบันคือ 3.0.0 (บิลด์ 3) เพิ่มตัวเลือกหน้าจอไทย/อังกฤษที่จำค่าไว้และหน้าเกี่ยวกับในแอป SwiftUI ธีมดวงจันทร์ ส่วนการประมวลผลภาพ เสียง ระยะ และหน่วยความจำยังใช้ระบบเดิม Repo นี้เก็บเว็บไซต์และประกาศสิทธิ ไม่ได้รวมแอป iPhone โปรเจกต์ Xcode ไฟล์โมเดล หรือ log ดิบของแอป ดูโครงการบน GitHub
ภาษาแอปและหน้าเกี่ยวกับ
ใช้ ตั้งค่า → ภาษาแอพ เพื่อสลับหน้าจอไทย/อังกฤษทันทีและจำค่าข้ามการเปิดแอปใหม่ ครอบคลุมกล้อง ตั้งค่า เกี่ยวกับ ปุ่มในบทสนทนา เครื่องมือพื้นที่/กลุ่มข้อความ/ระยะ ข้อมูลการทำงาน สถานะ และข้อผิดพลาด แยกจากภาษา Dictation ภาษาคำตอบ และเสียงอ่านที่เลือกไว้ คำถาม คำตอบ และข้อความ OCR เดิมยังคงเดิม ไม่ได้แปลตามหน้าจอ ชื่อภาษาและชื่อผู้จัดทำใช้การสะกดเดิม
ส่วนสุดท้ายใน Settings เปิด เกี่ยวกับ → เกี่ยวกับ LunaV แสดงรุ่นจาก bundle จริง 3.0.0 / บิลด์ 3 ผู้จัดทำ วชิรวิช ไกรพิณดากุล / Wachirawich kripindakul (koomean) และลิงก์เว็บไซต์ LunaV ใน bundle มี catalog หน้าจอและคำอธิบายขอสิทธิ์ทั้งไทย/อังกฤษ ส่วนหน้าระบบ iOS ใช้ภาษาที่ระบบเลือกเอง
หน้าตาแอปปัจจุบัน
หน้ากล้อง ตั้งค่า บทสนทนา เลือกพื้นที่ กลุ่มข้อความ และระยะ ใช้กรมท่าเข้ม ขาวอุ่น ฟ้า/ทองอ่อน และฟอนต์ Noto Sans Thai กับ Manrope ไอคอนแอปใช้รูปจันทร์เสี้ยวและดาวจากเว็บแล้ว Settings วางภาษา การรับเสียง และเสียงอ่านคำตอบก่อนเครื่องมือทดสอบ พร้อมรายละเอียดเสียงและการเทียบระยะที่เปิดดูเพิ่มได้ หน้ากล้องยังมีสองปุ่มหลัก และนำเมนูสลับกล้องหน้า/หลังออกจาก Settings แล้ว
แอนิเมชัน SwiftUI แสดง LunaVision → ปากกาแดงขีด “ision” → LunaV. → หัวหน้ากล้อง ใช้เวลาประมาณ 4.22 วินาที งานเตรียมโมเดลเริ่มพร้อมกันและทำงานต่อใต้แอนิเมชัน ถ้ายังไม่พร้อม แอปจะแสดงสถานะเตรียมหรือลองใหม่ตามจริงหลังภาพเคลื่อนไหวจบ Reduce Motion ใช้ตรานิ่งสั้น ๆ แทน และไม่เล่นซ้ำเพียงเพราะกลับจาก background ลำดับนี้ไม่ได้ใช้ WebView หรือวิดีโอ
ภาพกล้อง บทสนทนา Settings และหน้าเกี่ยวกับไทย/อังกฤษของเวอร์ชัน 3 ถ่ายจาก iOS Simulator วันที่ 29 ตุลาคม 2026 บทสนทนาใน UI อังกฤษยังคงคำถามภาษาไทยและข้อความ OCR ต้นฉบับ แสดงว่าภาษาหน้าจอไม่ได้เขียนเนื้อหาเก่าใหม่ ภาพกลุ่มข้อความที่ยังใช้บนเว็บเป็นของธีมดวงจันทร์รุ่นก่อน ภาพเหล่านี้เป็นตัวอย่างหน้าจอ/OCR fixture ไม่ใช่หลักฐานประสิทธิภาพกล้อง ไมโครโฟน โมเดลภาพ หรือระยะบนเครื่องจริง
ผลตรวจล่าสุด — 29 ตุลาคม 2026
| การตรวจ |
ผลที่บันทึก |
ขอบเขตและข้อจำกัด |
| Regression บน iOS 27 Simulator |
ผ่าน 269/269: unit 253 + UI 16 ไม่มี fail/skip และไม่มี runtime warning ที่บันทึกไว้ |
รวมหน้าเกี่ยวกับสองภาษา รุ่น/ผู้จัดทำ/ลิงก์เว็บ การจำภาษา คงภาษารับเสียงและคำถาม/คำตอบ OCR เดิม พร้อม flow กล้อง/เสียง/OCR/context ขอบเขตกล้อง/ไมค์/ASR จำลอง และ Simulator ไม่รัน VLM หรือเซ็นเซอร์จริง |
| ตรวจ catalog และ metadata สุดท้าย |
ผ่านเฉพาะจุด 2/2 ไม่มี fail/skip/runtime warning หลังเก็บคำแปลหัวข้อข้อมูลการทำงานอีกสองรายการ |
รันเฉพาะจุดหลังชุดเต็ม 269 กรณี ไม่ใช่การรันชุดเต็มอีกครั้งและไม่นำมารวมยอดนั้น |
| Signed generic-iOS Release |
Build และตรวจลายเซ็นแบบ deep/strict ผ่าน bundle ระบุ 3.0.0 / บิลด์ 3 พร้อมทรัพยากรภาษาอังกฤษและไทย |
มี build ที่ลงลายเซ็นแล้ว แต่ยังไม่ยืนยันการติดตั้งหรือทำงานบน iPhone จริง |
| ความพยายามติดตั้งบน iPhone 14 จริง |
ยังยืนยันการติดตั้งไม่ได้ ยกเลิกคำสั่งหลังเกินสามนาทีโดยไม่มีความคืบหน้าการเชื่อมต่อหรือถ่ายโอนไฟล์ |
ยังไม่ตรวจเวอร์ชัน 3 ขณะทำงานบนเครื่องจริง ผล CoreDevice 4000 และผลเครื่องจริงวันที่ 24 ตุลาคมเป็นของรุ่นก่อน |
| ตรวจซอร์สหลักและคำแปล |
hash ซอร์สหลัก 26 ไฟล์ไม่เปลี่ยน ผลตรวจ source/catalog ที่บันทึกไว้ไม่มีคำแปลอังกฤษที่ขาดหรือไม่ถูกต้อง |
รุ่นนี้เปลี่ยนหน้าจอและ metadata ไม่เปลี่ยนอัลกอริทึมโมเดล เสียง ระยะ หรือหน่วยความจำ การตรวจซอร์ส/catalog แยกจากความครอบคลุมหน้าจอขณะรัน และไม่ได้รัน memory stress หรือ soak ชุดใหม่ |
ข้อมูลนี้เป็นผลแอปที่บันทึกไว้และนำมาตรวจสำหรับอัปเดตเว็บไซต์ ไม่ได้รันชุดทดสอบแอปใหม่ระหว่างแก้เว็บ ผลล่าสุดไม่ยืนยันความแม่นยำ AI ระยะกายภาพ เสียงคนจริง อายุแบตเตอรี่ หรือประสิทธิภาพด้านความร้อน
ถาม อ่าน และฟังคำตอบ
หลังให้สิทธิ์ไมโครโฟน กดปุ่มกลางค้างเพื่อเริ่มถ่ายภาพ/depth และบันทึกเสียงพร้อมกัน พูดระหว่างถือ แล้วปล่อยเพื่อหยุดบันทึกและส่งเมื่อภาพพร้อม ความเงียบระหว่างถือไม่ส่งเอง แตะสั้นจะถ่ายภาพอย่างเดียว เสียงที่ยาวเกิน 2 นาที จะถูกปฏิเสธ แทนการส่งเฉพาะต้นประโยค
ใช้ Apple DictationTranscriber ผ่าน SpeechAnalyzer ถอดคำถามในเครื่องด้วย asset ภาษาของ Apple ที่ติดตั้งแล้ว ค่าเริ่มต้นไทย เลือก English ได้ด้วยตัวเลือกภาษาเสียงใน Settings ซึ่งแยกจากภาษาแอป คำขอใช้ภาษาที่เลือกทีละภาษา ไม่สลับภาษาอัตโนมัติ แอปตรวจการรองรับของอุปกรณ์/ภาษา หากไม่มี asset อาจต้องดาวน์โหลดครั้งแรก จึงไม่รับรองว่าเพิ่งติดตั้งแล้วจะใช้เสียงออฟไลน์ได้ทันที การถอดเสียงมีเส้นตาย 45 วินาที และไม่มี Whisper ใน bundle แอปปัจจุบันแล้ว
อ่านคำตอบ AI/OCR/สรุป/ระยะที่เสร็จแล้วอัตโนมัติเป็นค่าเริ่มต้น ด้วย เสียง Apple ที่ติดตั้งในเครื่อง ปิดการอ่าน เลือกเสียงไทย/อังกฤษ และฟังตัวอย่างได้ใน Settings หยุดอ่านก่อนถ่าย/รับเสียงใหม่ ยกเลิก ล้างบริบท หรือเข้า background ไม่รับรองการใช้เสียง Siri ที่ผู้ใช้เลือกไว้ ติดตั้งเสียงเพิ่มเติมได้ผ่านการตั้งค่าของ iOS
Apple Vision OCR และ Qwen3-VL-2B-Instruct 4-bit ผ่าน MLX/Metal ทำงานในเครื่อง เครื่องมือใน Settings ใช้เลือกพื้นที่ จัดกลุ่มป้าย/เมนู/ฉลาก สรุปข้อความ OCR ที่เลือก และถามต่อด้วยบริบทที่มีขอบเขต LunaV ไม่มีการเตือนสิ่งกีดขวางต่อเนื่องหรือการบอกทิศทางนำทาง OCR การถอดเสียง ค่าประมาณ และคำตอบที่สร้างขึ้นยังผิดได้
ระยะและแหล่งข้อมูล
บน เครื่องที่มี LiDAR ภาพที่รองรับใช้ depth จากเซ็นเซอร์ที่จับคู่กับภาพ เป็นระยะจากกล้องถึงพื้นผิว ณ เวลาถ่าย เครื่องกลุ่มนี้ข้าม Depth Anything 3 รวมถึงตอนข้อมูลเซ็นเซอร์ขาดหาย หาก LiDAR อ่านไม่สำเร็จจะไม่แอบแทนด้วยค่าจากโมเดลแล้วระบุว่าเป็น LiDAR
บน เครื่องไม่มี LiDAR ใช้ Depth Anything 3 Metric ที่รวมในแอปประมาณ depth จากภาพใหม่และข้อมูลโฟกัสของเลนส์ เมื่อถามระยะหรือเลือกจุดเอง คำถามภาพทั่วไปไม่เรียก prediction หากสำเร็จจะใช้แผนที่เดิมกับภาพเดียวกัน และลองใหม่ได้เมื่อ prediction ล้มเหลวชั่วคราว ข้อมูลเลนส์ที่ขาด ท้องฟ้า หรือค่าผิดปกติอาจทำให้ไม่มีผล คำตอบระบุแหล่งว่าเป็นโมเดลและปัดเป็น 0.1 เมตร ภาพนำเข้าที่ไม่มีคู่ depth ไม่ตอบระยะเป็นตัวเลข
Settings ปรับสเกลแยกกล้องด้วยระยะอ้างอิงจากกล้องถึงพื้นผิวใกล้กลางภาพ 0.3–8 เมตร ได้ การเทียบสเกลอาจลดความเอนเอียงสม่ำเสมอ แต่ไม่ยืนยันฉากอื่นหรือรับรองความแม่นยำ ยังไม่ได้เทียบ DA3 กับระยะกายภาพอ้างอิงที่วัดจริงในแอปรุ่นส่งมอบ และข้อมูลนี้ไม่ได้รับรอง LiDAR ด้วยผลวัดกายภาพเช่นกัน
การเตรียมและใช้ทรัพยากร
แอปกำหนด iOS 27 / Xcode 27 ขึ้นไป การรองรับ Dictation ขึ้นกับเครื่องและภาษา ส่วนโมเดลภาพ/depth ยังต้องมีหน่วยความจำและฮาร์ดแวร์ที่รองรับ แอปเตรียมโมเดลภาพก่อนเปิดให้ถาม และลองใหม่เมื่อเกิดปัญหาชั่วคราวขณะอยู่ foreground เตรียม DA3 เฉพาะเครื่องไม่มี LiDAR การเตรียมเสียงมีเส้นตาย 30 วินาที และลองใหม่แยกได้ หากเสียงไม่พร้อม ยังใช้ภาพ พิมพ์ถาม OCR และสรุปได้เมื่อโมเดลที่ต้องใช้พร้อม
นโยบาย compact ใช้เมื่อ RAM กายภาพไม่เกิน 6 GiB หรือ process headroom ที่รายงานเป็นบวกแต่ต่ำกว่า 1 GiB คืน weights โมเดลภาพเมื่อว่างก่อนถ่ายใหม่และหลังตอบ เก็บเฉพาะตัวอ้างอิงภาพและ cache ข้อความ/OCR/tokenizer ที่มีขอบเขต จัด OCR ก่อนโหลดโมเดลภาพที่ยังไม่อยู่ใน RAM การคืน weights ทำให้คำถามถัดไปอาจต้องรอโหลดใหม่ แยกการจำขั้น warmup ที่เสร็จแล้วออกจาก weights ที่อยู่ใน RAM เพื่อไม่ทำทุกขั้นซ้ำเมื่อกลับจาก background
การยกเลิกและการจัดการ memory warning ต้องติดตามให้งานที่กำลังใช้ทรัพยากรจบก่อนโหลดโมเดลใหม่ inference ที่ยังทำงานอาจถือ buffer จนจบ จึงไม่รับประกันคืน RAM ทันทีหรือทั้งหมด การเก็บกวาดเสียงเนทีฟไม่ขวางคำถามภาพแบบพิมพ์ งานลดทรัพยากรคง weights การ quantise ความละเอียดภาพ การตรวจคำตอบ และเกณฑ์รับงานตามหน่วยความจำเดิม การ warmup ไม่รับประกันว่า weights จะค้างใน RAM หรือทุกเครื่องรัน inference ได้
ธีมดวงจันทร์รุ่นก่อน — 29 ตุลาคม 2026
งานธีมดวงจันทร์ก่อนหน้านี้ผ่าน 262/262 บน Simulator (unit 249 + UI 13) และ signed Release ตรวจลายเซ็นผ่าน การติดตั้ง build นั้นบน iPhone 14 ไม่สำเร็จด้วย CoreDevice 4000 / transport peer ติดต่อไม่ได้แล้ว hash ซอร์ส UI 7 ไฟล์และ Shared 18 ไฟล์ตรง manifest ของงานนั้น ผลเหล่านี้เป็นของ UI รุ่นก่อน แยกจากชุด 269/269 และความพยายามติดตั้งที่ยกเลิกภายหลังของเวอร์ชัน 3
รุ่นลดงานซ้ำก่อนหน้า — 24 ตุลาคม 2026
ผลเหล่านี้เป็นของรุ่นลดงานซ้ำก่อนหน้า ไม่ใช่ผลตรวจ UI ใหม่บนเครื่องจริง
| การตรวจ |
ผลที่บันทึก |
ขอบเขตและข้อจำกัด |
| Regression บน Simulator |
259/259: unit 248 + UI 11 ไม่มี fail/skip/runtime warning |
บันทึกก่อนเพิ่ม diagnostics เครื่องจริงและลำดับตรวจ headroom ใน signed build สุดท้าย ปัจจุบันชุด Simulator ล่าสุดคือ 269/269 ของเวอร์ชัน 3 |
| iPhone 14 / iOS 27.2 |
ติดตั้ง signed Release และคืนสู่โหมดพร้อมใช้ปกติแล้ว |
เครื่องไม่มี LiDAR ไม่ใช่การติดตั้งเวอร์ชัน 3 หรือธีมดวงจันทร์รุ่นก่อนวันที่ 29 ตุลาคม และไม่ใช่การตรวจ iPhone 14 Pro ชุดใหม่ |
| กล้องจริง 2 รอบถาม |
ใช้ไฟล์เสียงตัวอย่าง → VLM/TTS สำเร็จ ไม่มี retry/fallback/การปฏิเสธเพราะ RAM ในกรณีที่ตรวจ |
ภาพจากกล้องจริงแต่ใช้เสียงจากไฟล์ ไม่ใช่การวัดเสียงคนผ่านไมค์หรือความถูกต้องเชิงความหมาย |
| เลื่อนและใช้แผนที่ DA3 ซ้ำ |
ภาพทั่วไป 2 ภาพใช้ 0 prediction เลือก depth เองแล้วถามระยะอัตโนมัติในภาพเดียวกันใช้ 1 prediction |
ตรวจการจับคู่เวลาถ่ายและเลนส์ ไม่มีระยะอ้างอิงที่วัดจริงและไม่เปลี่ยน calibration |
| คำถาม OCR ภาพทดสอบ 2 ครั้ง |
OCR ก่อนโหลดโมเดลที่ยังไม่อยู่ใน RAM และครั้งที่สองใช้ cache ภาพเดิม |
ยืนยันลำดับ/cache ในกรณีที่ตรวจ ไม่ใช่ความถูกต้องเชิงความหมายทุกกรณี |
| เสียง / การอ่านคำตอบ |
ไฟล์ไทย/อังกฤษ 5 ไฟล์ได้ข้อความ ปฏิเสธความเงียบ/white noise และผ่าน TTS completion/ส่งต่อ audio session 3 กรณี |
ใช้ไฟล์บันทึกและ callback สังเคราะห์เสียง ไม่ใช่ความแม่นยำเสียงคน การยืนยันว่าได้ยินด้วยหู หรือผลสวิตช์ Silent |
| หน่วยความจำ process แอปที่สุ่มวัด |
สูงสุด 2.394 GB หลัง TTS/ระยะเหลือ 96.7–117.6 MB หน่วยฐานสิบ |
รวม overhead ของ diagnostics ไม่รวมบริการเสียง iOS แยก process ไม่มีผลเทียบการประหยัดแบบควบคุม แบตเตอรี่/ความร้อน หรือ soak ระยะยาวชุดใหม่ |
หลักฐานก่อนหน้าและสิ่งที่ยังไม่ยืนยัน
รุ่น compact ก่อนหน้านั้นบน iPhone 14 Pro จบ 30/30 รอบใน 545.8 วินาที ใช้ภาพ RGB/depth จริง ไฟล์เสียง และเปิด TTS โดย 15 รอบเป็น safe fallback หลัง retry ไม่พบปฏิเสธเพราะ RAM หรือแอปหยุดในการรันนั้น แต่ไม่ใช่คำตอบโมเดลถูกหรืออ่านออกเสียงครบ 30 รอบ RAM หลังรอบอยู่ที่ 91.6–225.8 MiB ค่ากลาง 155.9 MiB สูงสุดที่สุ่มวัดประมาณ 2.47 GB RAM หลังรอบยังเพิ่มระหว่างรันและพบสถานะความร้อน serious การตรวจแบบควบคุมอีก 3 รอบเทียบ baseline ประมาณ 1.9 GiB กับ compact 61–66 MiB และฟื้นตัวจาก memory warning ที่ฉีดทดสอบหนึ่งครั้ง ทั้งหมดเป็นการตรวจรุ่นก่อนที่มีขอบเขต ไม่ใช่อัตราประหยัดสากลหรือรับประกันใช้ได้ไม่สิ้นสุด
งานเสียงวันที่ 24 ตุลาคมก่อนหน้านี้ผ่าน unit 224 ครั้ง ชุด UI แรกผ่าน 10/11 แล้วแก้ expectation และรันเฉพาะจุดผ่าน 2/2 ส่วน Dictation ก่อนหน้านั้นผ่าน 220/220 และ native integration อีก 6 กรณีแยกกัน ตรวจไฟล์เสียงสังเคราะห์ 5 ไฟล์และไฟล์ไม่ใช่เสียงพูด 2 ไฟล์บน iPhone 14 Pro ไฟล์ยาว 41 วินาทียังคงข้อความหลังช่วง 30 วินาที ผลประวัติเหล่านี้ไม่นำมารวมกับยอดทดสอบล่าสุด
หลักฐาน VLM/OCR บน Mac วันที่ 21 ตุลาคมมี 22 คำตอบตรง + 7 การปฏิเสธ จาก 29 กรณี ในการปฏิเสธนั้น 6 ครั้งพลาดข้อมูลที่เห็นได้ และอีกครั้งปฏิเสธราคาที่ไม่มีในภาพ ผล Whisper สังเคราะห์เดิม ถอดตรง 10/12 ไม่ใช่ความแม่นยำ Apple Dictation ปัจจุบัน ชุดกดค้าง/ปล่อยวันที่ 23 ตุลาคมผ่าน 155/155 ส่วน fixture ถามต่อ/LiDAR/DA3 แบบควบคุมยืนยันการเลือกเส้นทางหรือเรขาคณิตของชุดทดสอบ ไม่ใช่ความแม่นยำระยะกายภาพ
ยังไม่มีการยืนยันความแม่นยำเสียงคนผ่านไมค์ การได้ยินด้วยหู/สวิตช์ Silent และระยะเทียบการวัดกายภาพจากหลักฐานนี้ ไม่รับประกันรองรับ iPhone ทุกเครื่อง นำทางต่อเนื่อง ใช้ได้ไม่สิ้นสุด หรือคำตอบถูกทุกภาพ
การจัดการข้อมูล
โมเดลภาพ/depth OCR การถอดเสียงด้วย asset ที่ติดตั้ง และการอ่านด้วยเสียงที่มีในเครื่อง ทำบนอุปกรณ์โดยไม่ใช้บริการ AI บนคลาวด์หรือ API key การดาวน์โหลดภาษา Apple ครั้งแรกอาจต้องใช้อินเทอร์เน็ต Qwen และ DA3 รวมอยู่ในแอป ส่วน iOS จัดการ asset เสียงและเสียงอ่าน
ไฟล์ WAV ชั่วคราว ภาพบีบอัด ภาพตัวอย่าง และภาพ crop อาจเก็บใน sandbox แอป ไฟล์เสียงลบเมื่องานที่ใช้จบจริง รวมถึงหลังยกเลิก/หมดเวลา จึงอาจไม่ลบทันทีขณะงานยังทำต่อ ภาพที่ถูกแทนจะได้รับการเก็บกวาด ไม่ได้หมายความว่าข้อมูลอยู่เฉพาะใน RAM ข้อความนี้อธิบายแอป ไม่ใช่โฮสติ้งเว็บไซต์หรือลิงก์ภายนอก
ที่มาของหลักฐาน
ตรวจคำอธิบายกับ README.md, VALIDATION.md, ซอร์ส UI/runtime และ log ของแอปปัจจุบัน ชื่อหลักฐานเหล่านี้อ้างถึง workspace แอป ไม่ใช่ไฟล์ที่แจกใน repo เว็บไซต์นี้
หลักฐานเวอร์ชัน 3 ใช้ Logs/v3-language-delivery-test-summary.json, Logs/v3-catalog-final-test-summary.json, Logs/v3-language-source-summary.json, Logs/ui-localization-audit.json, Logs/v3-language-final-release-build.log, Logs/v3-language-final-signature.log และ Logs/v3-language-device-install.log ใช้ project.yml เป็นแหล่งเลขเวอร์ชันแอป ส่วนบันทึก session UI และภาพ V3 จาก Simulator ระบุการตรวจหน้าจอ
หลักฐานธีมดวงจันทร์รุ่นก่อนยังคงใช้ Logs/website-ui-delivery-test-summary.json, Logs/website-ui-source-summary.json และผล release/ลายเซ็น/ติดตั้งเครื่องจริงของงานนั้น
ผลทรัพยากรก่อนหน้าใช้ Logs/resource-optimization-tests-summary.json, Logs/resource-optimization-delivery-summary.json, Logs/resource-device-delivery-summary.json และผลเครื่องจริง functional/OCR/native/TTS/normal-preparation ผล compact-memory ใช้ Logs/memory-delivery-summary.json, Logs/memory-final-soak.json และ Logs/memory-constrained-fixed.json ผลเสียง/เรขาคณิตก่อนหน้ายังคงที่มาชุด answer-speech-*, native-dictation-*, da3-*, qa-* และ ptt-*
LunaV project status
Evidence reviewed: 29 October 2026. LunaV is an on-device iPhone research prototype. The current app is 3.0.0 (build 3). It adds a persistent Thai/English interface choice and an About page to the lunar-themed SwiftUI app. The image, speech, depth, and memory-processing paths retain the earlier implementation. This repository contains the website and its notices; it does not contain the iPhone app, Xcode project, model weights, or raw app logs. Visit the project on GitHub.
App language and About
Use Settings → App language to switch the interface immediately between Thai and English. The choice persists across relaunches and covers the camera, Settings, About, conversation controls, region/text-group/distance tools, runtime information, status, and errors. It is independent of the selected Dictation language, answer language, and reading voice. Existing questions, answers, and original OCR text are preserved rather than translated when the interface changes. Language names and the creator's name keep their original spelling.
The final Settings group opens About → About LunaV, showing the actual bundle version 3.0.0 / build 3, creator วชิรวิช ไกรพิณดากุล / Wachirawich kripindakul (koomean), and a link to the LunaV website. Thai/English interface catalogs and permission-description translations are included in the bundle; iOS system screens follow the language chosen by the system.
Current interface
The camera, Settings, conversation, region-selection, text-grouping, and distance screens use midnight blue, warm white, pale blue/gold, Noto Sans Thai, and Manrope. The app icon now uses the website's crescent-and-star geometry. Settings puts language, speech input, and answer voices before testing tools, with expandable speech and calibration details. The camera screen retains its two main buttons; the front/rear camera-switch menu has been removed from Settings.
A native SwiftUI introduction shows LunaVision → red pen over “ision” → LunaV. → camera header in about 4.22 seconds. Model preparation starts alongside it and continues underneath. If preparation is still incomplete, the app shows its actual preparation/retry state after the animation. Reduce Motion uses a brief static mark instead; returning from the background does not replay the introduction. The app does not use a WebView or video for this sequence.
Current version 3 camera, conversation, Settings, and Thai/English About previews were captured from iOS Simulator on 29 October 2026. The English conversation preserves its original Thai question and source OCR text, demonstrating that interface language does not rewrite existing content. The text-grouping preview retained on the website belongs to the earlier lunar UI. These are interface/OCR-fixture examples, not physical-camera, microphone, visual-model, or distance-performance evidence.
Latest validation — 29 October 2026
| Check |
Recorded result |
Scope and limit |
| iOS 27 Simulator regression |
269/269 passed: 253 unit + 16 UI, zero failures/skips and no recorded runtime warnings |
Includes both About languages, version/creator/website link, language persistence, unchanged speech selection and existing OCR question/answer, plus camera/voice/OCR/context flows. Camera/microphone/ASR boundaries are simulated; Simulator does not run the real VLM or sensors. |
| Final catalog and metadata check |
2/2 focused tests passed, zero failures/skips/runtime warnings, after two runtime-information heading translations were adjusted |
This focused rerun followed the full 269-test suite; it is not another full-suite run and is not added to that total. |
| Signed generic-iOS Release |
Build and strict deep code-signature verification passed; bundle identifies 3.0.0 / build 3, with English and Thai localization resources |
A signed build is available; this does not establish successful installation or runtime behaviour on a physical iPhone. |
| Physical iPhone 14 installation attempt |
Installation not confirmed. The command was cancelled after more than three minutes without connection or transfer progress |
Version 3 has not been validated running on a physical phone. Earlier CoreDevice 4000 and 24 October device results belong to previous builds. |
| Core source and localization review |
26 core source hashes unchanged; recorded source/catalog audit found no missing or invalid English entries |
This version changes interface localization and metadata, not model, speech, depth, or memory algorithms. Source/catalog auditing is distinct from runtime presentation coverage; no new memory stress test or soak was run. |
These are recorded app results, reviewed for this website update. No new app test suite was run while editing the website. The latest update does not establish AI accuracy, physical distance accuracy, human speech accuracy, battery life, or thermal performance.
Ask, read, and listen
Hold the centre button to start photo/depth capture and microphone recording together, after microphone permission is granted. Speak while holding, then release to stop recording and submit once the image is ready. Silence while holding does not submit. A short tap takes a photograph only. Recordings over the 2-minute limit are rejected rather than submitting only their beginning.
Apple DictationTranscriber through SpeechAnalyzer handles speech input locally using installed Apple language assets. Thai is the default; select English with the separate speech-language setting in Settings. Each request uses one selected language, without automatic language switching. The app checks device/locale support. Missing language assets may need an initial download; fresh-install offline speech is not guaranteed. Transcription has a 45-second deadline. Whisper is no longer in the current app bundle.
Completed AI, OCR, summary, and distance answers are read automatically by default with installed Apple voices. Settings can disable reading, select Thai/English voices, and preview a voice. Reading stops before new capture/recording, cancellation, context clearing, or backgrounding. This does not promise access to the user's selected Siri voice. Additional voices can be installed through iOS Settings.
Apple Vision OCR and Qwen3-VL-2B-Instruct 4-bit through MLX/Metal run locally. Settings tools support region selection, grouping signs/menus/labels, summarising selected OCR text, and bounded follow-up context. LunaV does not provide continuous obstacle alerts or directional navigation. OCR, transcription, estimates, and generated answers can be wrong.
Distance and its source
On a LiDAR-equipped device, supported captures use sensor depth paired with the photograph: camera-to-surface distance at capture time. These devices skip Depth Anything 3, including when sensor depth is missing. A failed LiDAR reading is not silently replaced with a model estimate labelled as LiDAR.
On a device without LiDAR, bundled Depth Anything 3 Metric estimates depth from a new photograph and its lens focal information when a distance question or manual point selection needs it. Ordinary visual questions do not trigger a prediction. A successful map is reused for the same capture; transient prediction failures can be retried. Missing lens information, sky, or invalid values can prevent a reading. Answers label the model source and round estimates to 0.1 metre. Imported images without paired depth do not produce numeric distances.
Settings can fit a per-camera scale from a measured camera-to-surface reference of 0.3–8 metres near the image centre. Calibration may reduce consistent bias; it does not validate other scenes or certify accuracy. DA3 has not been compared against measured physical reference distances on the delivered app. LiDAR is also not certified here against physical reference measurements.
Preparation and resource use
The app targets iOS 27 / Xcode 27 or later. Dictation support depends on device and language; image/depth inference still needs sufficient memory and supported hardware. It prepares visual models before enabling questions and retries temporary failures in the foreground. DA3 preparation applies only to devices without LiDAR. Speech preparation has a 30-second deadline and can retry separately. If speech is unavailable, photos, typed questions, OCR, and summaries remain available once their required visual models are ready.
The compact policy applies at 6 GiB physical RAM or below, or when reported positive process headroom is below 1 GiB. It releases idle visual-model weights before a new capture and after answers, and retains lightweight image references and bounded text/OCR/tokenizer caches. OCR runs before a cold visual-model load. Releasing weights can add another load before the next answer. Successful warmup stages are tracked separately from resident weights so returning from the background does not repeat every completed stage.
Cancellation and memory-warning cleanup follow running work before models reload. In-flight inference may own buffers until it returns; cancellation does not guarantee immediate or complete RAM release. Native-speech cleanup does not block typed visual questions. The optimisation retained model weights, quantisation, image resolution, answer checks, and memory-admission safeguards. Warmup does not guarantee that weights remain in RAM or every device can run inference.
Earlier lunar interface — 29 October 2026
The preceding lunar-theme update passed 262/262 Simulator tests (249 unit + 13 UI) and its signed Release passed verification. That build's physical iPhone 14 install failed with CoreDevice 4000 / transport peer no longer reachable. Its seven UI source hashes and 18 Shared hashes matched its recorded manifest. These are earlier UI results, distinct from version 3's 269/269 suite and later cancelled installation attempt.
Earlier resource build — 24 October 2026
These results belong to the earlier resource-optimisation build, not the new UI's physical-device validation.
| Check |
Recorded result |
Scope and limit |
| Simulator regression |
259/259: 248 unit + 11 UI, no failures/skips/runtime warnings |
Recorded before later device diagnostics and headroom-check ordering entered the final signed build. Superseded as the latest Simulator suite by the version 3 run of 269/269. |
| iPhone 14 / iOS 27.2 |
Signed Release installed and returned to normal ready mode |
Non-LiDAR phone; not an installation of version 3 or the earlier 29 October lunar UI build or a new iPhone 14 Pro run. |
| Two real-camera question cycles |
Recorded speech fixtures → VLM/TTS completed without retry, fallback, or memory refusal in those cases |
Real captures with file-based speech input; not a live-human microphone or semantic-accuracy benchmark. |
| Deferred/reused DA3 |
Two ordinary photos used 0 predictions; manual depth then automatic range on one photo reused 1 prediction |
Capture time and lens pairing checked; no measured reference distance or calibration change. |
| Two OCR fixture questions |
OCR preceded cold model loading; second question reused the same-image OCR cache |
Confirms order/cache use for those cases, not universal semantic correctness. |
| Speech / answer reading |
Five Thai/English fixtures returned text, silence/white noise were rejected, and 3 TTS completion/session-handoff cases passed |
Fixed recordings and synthesis callbacks; not human accuracy, human-heard playback, or Silent-switch validation. |
| Sampled app-process footprint |
Peak 2.394 GB; settled 96.7–117.6 MB after TTS/range, decimal units |
Includes diagnostics overhead, excludes separate iOS speech services. No controlled savings comparison, battery/thermal benchmark, or new long-duration soak. |
Earlier evidence and remaining limits
A preceding compact-memory build on iPhone 14 Pro completed 30/30 cycles in 545.8 seconds, using real RGB/depth captures, recorded speech, and TTS enabled. 15 cycles returned a safe fallback after retry. No memory refusal/app stop was recorded in that run, but this is not 30 correct or spoken model answers. Settled footprint was 91.6–225.8 MiB, median 155.9 MiB; sampled peak about 2.47 GB. Settled memory rose during the run and a serious thermal state was observed. A separate controlled three-cycle check compared about 1.9 GiB baseline with 61–66 MiB compact footprint; one injected memory warning recovered. These are bounded earlier tests, not universal savings or unlimited-operation guarantees.
Earlier 24 October speech work recorded 224 unit passes, initially 10/11 UI followed by a corrected targeted 2/2 rerun. The earlier Dictation run passed 220/220 plus six separate native-integration cases. Five synthetic speech files and two non-speech files were checked on iPhone 14 Pro; a 41-second file retained speech beyond 30 seconds. These historical results are not added to the latest test total.
Earlier 21 October Mac VLM/OCR evidence contained 22 correct concrete answers + 7 abstentions across 29 cases; six abstentions missed visible information and one declined an absent price. Former Whisper synthetic results were 10/12 exact transcriptions, not current Apple Dictation accuracy. The historical 23 October hold/release suite passed 155/155. Controlled follow-up/LiDAR/DA3 fixtures establish routing or geometry for their setup, not physical distance accuracy.
Human microphone accuracy, human-confirmed audibility/Silent-switch behaviour, and measured physical distance accuracy remain unestablished by these records. No promise is made of compatibility with every iPhone, continuous navigation, unlimited operation, or correct answers on every image.
Data handling
Image/depth inference, OCR, installed-asset transcription, and installed-voice synthesis run on the device without a cloud AI service or API key. Initial Apple language downloads may need network access. Qwen and DA3 are bundled; iOS manages speech assets and voices.
Temporary WAV recordings, compressed images, previews, and crops can be stored in the app sandbox. Audio is removed when its worker actually finishes, including after cancellation/timeout; deletion is not necessarily immediate while work continues. Superseded images are cleaned up. This is not a claim that data stays only in RAM. These statements describe the app, not website hosting or external links.
Evidence provenance
Descriptions were checked against the supplied app's current README.md, VALIDATION.md, UI/runtime source, and recorded logs. These provenance names refer to the app workspace, not files distributed in this website repository.
Version 3 evidence uses Logs/v3-language-delivery-test-summary.json, Logs/v3-catalog-final-test-summary.json, Logs/v3-language-source-summary.json, Logs/ui-localization-audit.json, Logs/v3-language-final-release-build.log, Logs/v3-language-final-signature.log, and Logs/v3-language-device-install.log. project.yml is the app version source; the UI session ledger and V3 Simulator previews record visual checks.
Earlier lunar-UI evidence retains Logs/website-ui-delivery-test-summary.json, Logs/website-ui-source-summary.json, and its release/signature/device-install records.
Earlier resource results use Logs/resource-optimization-tests-summary.json, Logs/resource-optimization-delivery-summary.json, Logs/resource-device-delivery-summary.json, and the functional/OCR/native/TTS/normal-preparation device records. Compact-memory results use Logs/memory-delivery-summary.json, Logs/memory-final-soak.json, and Logs/memory-constrained-fixed.json. Earlier speech/geometry results retain their answer-speech-*, native-dictation-*, da3-*, qa-*, and ptt-* provenance.