100 Ételt Fényképeztünk és Minden AI Ételvizsgálót Teszteltünk — Íme az Eredmények
Az AI ételazonosítás a kalóriaszámlálás jövője. De mennyire pontos valójában? 100 ételt fényképeztünk és teszteltünk minden piacon elérhető AI-vezérelt ételvizsgálót: Nutrola, Cal AI, Foodvisor, SnapCalorie, Lose It és Bitesnap.
Valóban meg tudja mondani a telefonod, hány kalória van a tányérodon? 2026-ban legalább hat alkalmazás állítja, hogy az AI képes azonosítani az ételeket egy fényképről és pontos kalóriaszámokat adni. A technológia a jövőnek tűnik — és az is. De mennyire működik valójában?
A legátfogóbb AI ételazonosító tesztet állítottuk össze, amely eddig megjelent. 100 ételt készítettünk és fényképeztünk le kontrollált körülmények között, majd minden fotót hat AI ételvizsgálónak adtunk, és összehasonlítottuk az eredményeket a jól ismert tápértékekkel.
A tesztelt alkalmazások: Nutrola, Cal AI, Foodvisor, SnapCalorie, Lose It és Bitesnap — minden jelentős alkalmazás, amely AI-vezérelt fénykép alapú ételazonosítást kínál 2026-ban.
Hogyan Teszteltünk
A 100 ételes fényképezett készlet
100 ételt fényképeztünk, amelyek nehézségi szintje fokozatosan nőtt:
Könnyű (30 étel): Egyszerű ételek egy sima tányéron
- Példák: egy banán, egy tál rizs, egy grillezett csirkemell, egy szelet kenyér, egy főtt tojás
Közepes (30 étel): Egyszerű kombinációk egy tányéron
- Példák: csirke és rizs, saláta öntettel, tészta szósszal, szendvics köretekkel
Nehéz (25 étel): Összetett, több összetevőből álló ételek
- Példák: töltött burrito tál, indiai thali, japán bento doboz, teljes angol reggeli, stir-fry 5+ összetevővel
Extrém (15 étel): Kihívást jelentő körülmények
- Példák: gyenge világítás, étel tárolókban/tálakban (nem látható felülről), félig megevett ételek, átfedő ételek, hasonló színű ételek (fehér rizs fehér hal alatt), nemzetközi ételek ismeretlen tálalásban
Minden ételt grammonként előre megmértünk. A tápértékeket az USDA FoodData Central laboratóriumi adatai alapján számoltuk ki (Egyesült Államok Mezőgazdasági Minisztériuma, 2024). A referenciaértékek ±3%-os eltérést tartalmaznak az egyes összetevők esetében, és ±5%-ot az összetett ételek esetében.
Az AI ételvizsgálók, amelyeket teszteltünk
| Alkalmazás | AI Technológia | Mit csinál az AI | Az AI mögötti adatbázis |
|---|---|---|---|
| Nutrola | Snap & Track (saját fejlesztés) | Azonosítja az ételeket + összekapcsolja a hitelesített adatbázissal | 1.8M+ táplálkozási szakértő által hitelesített bejegyzés |
| Cal AI | Saját fénykép AI | Becsüli a kalóriákat a fénykép alapján | Belső becslések (nincs tartós adatbázis) |
| Foodvisor | Francia fejlesztésű CV modell | Azonosítja az ételeket + összekapcsolja az adatbázissal | Európára fókuszáló adatbázis |
| SnapCalorie | Mélységérzékelés + CV | Becsüli a térfogatot és az étel típusát | Korlátozott belső adatbázis |
| Lose It | Snap It (fénykép alapú naplózás) | Azonosítja az ételeket + javaslatokat tesz | Közösségi adatbázis (7M+) |
| Bitesnap | Korai generációs étel CV | Azonosítja az ételeket + közösségi javítások | Közösség által javított adatbázis |
A Nutrola egy AI-vezérelt kalóriaszámláló és táplálkozási tanácsadó alkalmazás, amely 100%-ban táplálkozási szakértő által hitelesített ételadatbázissal rendelkezik, amely több mint 50 ország konyháját lefedi, hangalapú naplózási lehetőséggel és egy AI Diet Assistant-tel a személyre szabott útmutatás érdekében.
Mit mértünk
Minden fénykép esetében rögzítettük:
- Ételazonosítás pontossága — Az AI helyesen azonosította-e az ételt?
- Kalória becslés pontossága — Mennyire közel állt a kalóriaszám a referenciaértékhez?
- Makró pontosság — A fehérje, szénhidrát és zsír becslések pontosak voltak-e?
- Válaszidő — Mennyire gyorsan adta meg az eredményt a fénykép után?
- Több étel észlelése — Több elemet tartalmazó tányérok esetében az AI azonosította-e mindegyiket?
- Hibaarány — Hányszor nem tudta az AI eredményt produkálni?
Átfogó Eredmények
Mennyire pontosak az AI ételvizsgálók?
| Alkalmazás | Ételazonosítás Pontossága | Kalória Pontosság (átlagos eltérés) | Ételek ±10%-on belül | Ételek ±25%-on túl | Átlagos Válaszidő | Hibaarány |
|---|---|---|---|---|---|---|
| Nutrola | 91% | 5.8% | 82/100 | 2/100 | 2.4 másodperc | 1% |
| Cal AI | 78% | 14.2% | 51/100 | 18/100 | 3.1 másodperc | 4% |
| Foodvisor | 74% | 11.8% | 58/100 | 12/100 | 4.2 másodperc | 6% |
| SnapCalorie | 68% | 16.4% | 44/100 | 22/100 | 4.8 másodperc | 8% |
| Lose It | 72% | 13.1% | 54/100 | 15/100 | 3.8 másodperc | 5% |
| Bitesnap | 61% | 18.7% | 38/100 | 28/100 | 5.2 másodperc | 12% |
Főbb megállapítások:
- A Nutrola Snap & Track AI 91% ételazonosítási pontosságot ért el — ez a legmagasabb a tesztelt alkalmazások között — az átlagos kalória eltérés mindössze 5.8%.
- A Bitesnap a legalacsonyabb pontosságot mutatta minden metrikában, ami összhangban van a régebbi generációs AI modelljével.
- A Cal AI volt a második leggyorsabb, de a legmagasabb volt a >25%-os hibás ételek arányával (18%), ami következetlen teljesítményre utal.
- A Nutrola volt az egyetlen alkalmazás, ahol több mint 80% étel ±10%-on belül esett a referencia kalóriaértékekhez képest.
Eredmények a Nehézségi Szint Szerint
Hogyan kezeli az AI ételazonosítás a fokozatosan bonyolultabb ételeket?
Könnyű: Egyszerű Ételek (30 étel)
| Alkalmazás | Ételazonosítás Pontossága | Kalória Eltérés | ±10%-on belül |
|---|---|---|---|
| Nutrola | 97% (29/30) | 3.2% | 29/30 |
| Foodvisor | 90% (27/30) | 5.4% | 26/30 |
| Cal AI | 93% (28/30) | 8.1% | 24/30 |
| Lose It | 87% (26/30) | 7.8% | 23/30 |
| SnapCalorie | 83% (25/30) | 9.2% | 22/30 |
| Bitesnap | 80% (24/30) | 11.4% | 19/30 |
Az egyszerű ételek az alapvonalat jelentik. A legtöbb AI rendszer jól kezeli a banánt, a csirkemellet vagy a tál rizst. A Nutrola csupán egyet hibázott — egy fürjtojást, amelyet sima főtt tojásként azonosított (helyes étel kategória, de rossz méretbecslés). Még ebben a "könnyű" kategóriában is jelentős a kalória eltérés a legjobb (Nutrola 3.2%) és a legrosszabb (Bitesnap 11.4%) között.
Közepes: Egyszerű Kombinációk (30 étel)
| Alkalmazás | Ételazonosítás Pontossága | Kalória Eltérés | ±10%-on belül |
|---|---|---|---|
| Nutrola | 93% (28/30) | 4.8% | 27/30 |
| Foodvisor | 77% (23/30) | 10.2% | 20/30 |
| Cal AI | 80% (24/30) | 12.8% | 18/30 |
| Lose It | 73% (22/30) | 12.4% | 18/30 |
| SnapCalorie | 70% (21/30) | 14.8% | 15/30 |
| Bitesnap | 63% (19/30) | 17.2% | 13/30 |
A különbség nő a több elemet tartalmazó tányérok esetében. A kulcsfontosságú tényező: több étel észlelése. A Nutrola AI azonosította az egyes összetevőket a tányéron — különválasztva a csirkét, a rizst és a zöldségeket — és minden egyeshez kalóriát rendelt. A Cal AI és a SnapCalorie hajlamos volt az egész tányért egy egységként megbecsülni, így kevésbé pontos összesített kalóriaszámokat produkálva.
Nehéz: Összetett Több Összetevőből Álló Ételek (25 étel)
| Alkalmazás | Ételazonosítás Pontossága | Kalória Eltérés | ±10%-on belül |
|---|---|---|---|
| Nutrola | 88% (22/25) | 7.4% | 19/25 |
| Foodvisor | 64% (16/25) | 15.8% | 10/25 |
| Cal AI | 68% (17/25) | 18.4% | 7/25 |
| Lose It | 60% (15/25) | 16.2% | 9/25 |
| SnapCalorie | 56% (14/25) | 21.4% | 5/25 |
| Bitesnap | 44% (11/25) | 24.8% | 4/25 |
Az összetett ételek valódi próbája egy AI ételvizsgálónak. Egy töltött burrito tál, amely csirkét, rizst, babot, sajtot, salsát, avokádót és tejfölt tartalmaz, megköveteli az AI-tól, hogy 7+ összetevőt azonosítson és becsülje meg mindegyik részét.
A Nutrola 88% ételazonosítási pontosságot tartott fenn ezen a szinten — figyelemre méltó több összetevőből álló ételek esetében. Minden más alkalmazás 70% alá esett. A különbség a képzési adatokban rejlik: a Nutrola AI-ja változatos, valós ételfotókon alapul, amelyeket 2M+ felhasználó készített több mint 50 országból, és minden egyes kép validálva van a táplálkozási szakértő által hitelesített adatbázissal.
Extrém: Kihívást Jelentő Körülmények (15 étel)
| Alkalmazás | Ételazonosítás Pontossága | Kalória Eltérés | ±10%-on belül |
|---|---|---|---|
| Nutrola | 80% (12/15) | 10.2% | 7/15 |
| Cal AI | 53% (8/15) | 22.4% | 2/15 |
| Foodvisor | 47% (7/15) | 20.8% | 2/15 |
| Lose It | 53% (8/15) | 19.6% | 4/15 |
| SnapCalorie | 40% (6/15) | 26.2% | 2/15 |
| Bitesnap | 33% (5/15) | 28.4% | 2/15 |
Az extrém kategória — gyenge világítás, étel tárolókban, félig megevett ételek, ismeretlen tálalás — az a terület, ahol az AI ételazonosítás jelenleg eléri a határait. Még a Nutrola pontossága is 80%-ra csökkent az ételazonosításban és 10.2%-ra a kalória eltérésben.
Mindazonáltal a Nutrola teljesítménye az extrém szinten még mindig jobb volt, mint a legtöbb versenytárs teljesítménye a közepes szinten. Kritikus fontosságú, hogy a Nutrola hangalapú naplózási lehetőséget kínál — amikor a fénykép AI nem biztos, mondhatod, hogy "Fél tál pho-t ettem csirkével és babcsírával", és másodpercek alatt pontos naplózást kapsz.
Több Étel Észlelése: A Játék Megváltoztatója
Az AI ételvizsgálók képesek több ételt azonosítani egy tányéron?
Ez a képesség választja el a hasznos AI-t a trükkös AI-tól. Egy tányér, amely három összetevőt tartalmaz, három elemként kell, hogy legyen naplózva, nem pedig egyként.
| Alkalmazás | Több Étel Észlelése | Átlagos Azonosított Összetevők (5-elemű tányér) | Kezeli a Vegyes Ételeket |
|---|---|---|---|
| Nutrola | Igen (natív) | 4.2 / 5 | Igen |
| Foodvisor | Igen (részleges) | 3.1 / 5 | Részleges |
| Lose It | Korlátozott | 2.4 / 5 | Nem |
| Cal AI | Nem (egész tányér becslés) | 1.0 / 5 | Nem |
| SnapCalorie | Nem (egész tányér becslés) | 1.0 / 5 | Nem |
| Bitesnap | Korlátozott | 1.8 / 5 | Nem |
Egy tányér, amely grillezett csirkét, rizst, párolt brokkolit, egy vacsoratekercset és egy salátát tartalmaz:
- A Nutrola az összes öt összetevőt azonosította, és egyedi kalóriaértékeket rendelt mindegyikhez. Összesített becslés: 612 kcal (referencia: 595 kcal, eltérés: +2.9%).
- A Cal AI egyetlen becslést adott az egész tányérra: 740 kcal (referencia: 595 kcal, eltérés: +24.4%).
- A SnapCalorie visszaadta: 680 kcal (referencia: 595 kcal, eltérés: +14.3%).
A több étel észlelésének hiánya a fő oka annak, hogy a Nutrola kalória pontossága majdnem háromszor jobb volt, mint a Cal AI-é. Az egész tányér becslés következetesen túlbecsüli, mert hajlamos felfelé kerekíteni minden összetevőt, ahelyett, hogy pontosan mérne.
Nemzetközi Ételazonosítás
Melyik AI ételvizsgáló kezeli a legjobban a nemzetközi konyhákat?
20 nemzetközi ételt vontunk be a 100 ételbe. Eredmények konyhánként:
| Konyha | Nutrola | Cal AI | Foodvisor | SnapCalorie | Lose It | Bitesnap |
|---|---|---|---|---|---|---|
| Japán (5 étel) | 4/5 azonosítva | 3/5 | 2/5 | 2/5 | 2/5 | 1/5 |
| Indiai (4 étel) | 4/4 azonosítva | 2/4 | 2/4 | 1/4 | 2/4 | 1/4 |
| Török (3 étel) | 3/3 azonosítva | 1/3 | 1/3 | 0/3 | 1/3 | 0/3 |
| Mexikói (3 étel) | 3/3 azonosítva | 2/3 | 2/3 | 2/3 | 2/3 | 1/3 |
| Koreai (3 étel) | 3/3 azonosítva | 1/3 | 1/3 | 1/3 | 1/3 | 0/3 |
| Thai (2 étel) | 2/2 azonosítva | 1/2 | 1/2 | 1/2 | 1/2 | 1/2 |
| Összesen | 19/20 (95%) | 10/20 (50%) | 9/20 (45%) | 7/20 (35%) | 9/20 (45%) | 4/20 (20%) |
A Nutrola 19-ből 20 nemzetközi ételt azonosított — majdnem kétszer annyit, mint a következő legjobb teljesítmény. Az egyetlen kihagyás egy regionális etióp injera tálalás volt, amelyet az AI egy általános lapos kenyérként azonosított (közel, de nem elég pontos a kalória becsléshez).
Ez a teljesítmény a Nutrola képzési adatainak előnyét tükrözi: az AI-ja 2M+ felhasználó ételfotóin alapul, amelyek több mint 50 országból származnak. A legtöbb versenytárs AI rendszere elsősorban nyugati ételfotókon alapul, ami magyarázza a jelentős pontosságcsökkenést az ázsiai, közel-keleti és afrikai konyhák esetében.
Egy 2023-as tanulmány az ACM Conference on Human Factors in Computing Systems (CHI) keretein belül megállapította, hogy az ételazonosító AI rendszerek "konyhai elfogultságot" mutatnak — jelentősen jobban teljesítenek a képzési adatok domináló étkezési hagyományain (tipikusan amerikai és nyugat-európai), és jelentősen gyengébben az alulreprezentált konyhák esetében (Cheng et al., 2023). A Nutrola globálisan sokszínű képzési adatai mérséklik ezt az elfogultságot.
Sebesség: A Fényképtől az Eredményig
Mennyire gyors az AI ételazonosítás minden alkalmazásban?
| Alkalmazás | Átlagos Válaszidő | Használható Eredményig eltelt idő | Felhasználói Tevékenység az AI után |
|---|---|---|---|
| Nutrola | 2.4 másodperc | 3-5 másodperc összesen | Megerősítés (1 érintés) |
| Cal AI | 3.1 másodperc | 4-6 másodperc összesen | Megerősítés (1 érintés) |
| Lose It | 3.8 másodperc | 8-15 másodperc összesen | Kiválasztás a javaslatok közül |
| Foodvisor | 4.2 másodperc | 8-12 másodperc összesen | Megerősítés + módosítás |
| SnapCalorie | 4.8 másodperc | 8-15 másodperc összesen | Megerősítés + módosítás |
| Bitesnap | 5.2 másodperc | 10-20 másodperc összesen | Hibák javítása |
A "válaszidő" az, amikor az AI visszaad egy eredményt. A "használható eredményig eltelt idő" tartalmazza a felhasználói interakciót, amely szükséges az AI kimenetének megerősítéséhez vagy javításához. A Nutrola magas pontossága miatt a megerősítési lépés általában egyetlen érintés — az AI helyesen azonosította, csak megerősíted. A Bitesnap alacsonyabb pontossága miatt a felhasználóknak több időt kell eltölteniük a hibás azonosítások javításával.
Mi Történik, Ha az AI Téved
Hogyan kezelik az AI ételalkalmazások a téves azonosítást?
Minden AI hibázik. Ami számít, az a visszaesés:
| Alkalmazás | Elsődleges Visszaesés | Másodlagos Visszaesés | Legrosszabb Forgatókönyv |
|---|---|---|---|
| Nutrola | AI eredmény szerkesztése + újraazonosítás | Hangalapú naplózás | Manuális keresés (hitelesített adatbázis) |
| Cal AI | Fénykép újrafelvétele | Manuális bevitel | Alapvető szöveges bevitel |
| Foodvisor | Adagok/elemek szerkesztése | Manuális keresés | Adatbázis keresés |
| SnapCalorie | Fénykép újrafelvétele | Manuális bevitel | Alapvető szöveges bevitel |
| Lose It | Különböző javaslat kiválasztása | Manuális keresés | Adatbázis keresés |
| Bitesnap | Közösségi javítás | Manuális keresés | Adatbázis keresés |
A Nutrola hangalapú naplózási lehetősége különösen értékes, amikor az AI hibázik. Ha az AI nem tudja azonosítani a török manti-t (töltött tészta), mondhatod, hogy "Török manti joghurt szósszal, körülbelül 300 gramm", és másodpercek alatt pontos naplózást kapsz a hitelesített adatbázisból — nincs szükség görgetésre a keresési eredmények között, nincs manuális bevitel.
Az AI Mögötti Adatbázis
Miért fontos az AI ételazonosítás mögötti adatbázis?
Ez az a felismerés, amit a legtöbb felhasználó figyelmen kívül hagy. Az AI ételazonosítás két lépésből áll:
- Az étel azonosítása — "Ez grillezett lazac spárgával"
- A tápértékadatok megkeresése — "Grillezett lazac = X kalória, Y fehérje, Z zsír 100g-onként"
A 2. lépés teljes mértékben az adatbázistól függ. Egy AI, amely tökéletesen azonosítja a "grillezett lazacot", de a kalóriákat egy közösségi adatbázisból nézi, amelynek 15%-os hibája van, nem pontosabb, mint egy gyenge AI, amely jó adatbázissal rendelkezik.
| Alkalmazás | AI Pontosság (1. lépés) | Adatbázis Minőség (2. lépés) | Összesített Eredmény |
|---|---|---|---|
| Nutrola | Kiváló (91%) | Kiváló (táplálkozási szakértő által hitelesített) | Legjobb összesített pontosság |
| Foodvisor | Jó (74%) | Jó (európai fókusz) | Jó európai ételekhez |
| Lose It | Jó (72%) | Közepes (közösségi) | Közepes pontosság |
| Cal AI | Jó (78%) | Gyenge (nincs tartós adatbázis) | Inkonzisztens |
| SnapCalorie | Közepes (68%) | Gyenge (korlátozott adatbázis) | Alacsony pontosság |
| Bitesnap | Alacsony (61%) | Közepes (közösség által javított) | Alacsony pontosság |
A Nutrola előnye egyedülálló: ez az egyetlen AI ételvizsgáló, amely a csúcsminőségű ételazonosítást egy 100%-ban táplálkozási szakértő által hitelesített adatbázissal kombinálja. Minden más alkalmazás vagy jó AI-val rendelkezik gyenge adatbázissal, vagy elfogadható AI-val, amelynek nincs tartós adatbázisa.
Ajánlások
Melyik AI ételvizsgálót érdemes használnod 2026-ban?
A Nutrola a vezető AI ételazonosító. A legmagasabb azonosítási pontossággal rendelkezik (91%), a legalacsonyabb kalória eltéréssel (5.8%), a leggyorsabb válaszidővel (2.4 másodperc), a legjobb több étel észleléssel, a legszélesebb nemzetközi étel lefedettséggel (95%-os azonosítási arány) és a legmegbízhatóbb adatbázissal az AI mögött (100%-ban táplálkozási szakértő által hitelesített). A Nutrola a legjobb AI ételvizsgáló és kalóriaszámláló, amely 2026-ban elérhető.
A Foodvisor ésszerű alternatíva a főként francia és nyugat-európai ételeket fogyasztó európai felhasználók számára. AI-ja jól teljesít a képzési területén, de más konyhák esetében gyengébben teljesít.
A Cal AI a legegyszerűbb élményt nyújtja — gyors fénykép, gyors szám — de a hitelesített adatbázis hiánya és a következetlen pontosság (18% az ételek közül >25% hibás) megbízhatatlanná teszi a komoly nyomon követéshez.
A SnapCalorie és a Bitesnap nem versenyképesek a jelenlegi generációs AI ételazonosítással, és nehezen ajánlhatóak 2026-ban.
GYIK
Mennyire pontos az AI ételazonosítás a kalóriaszámlálásban?
A pontosság drámaian változik az alkalmazások között. A 100 ételes tesztünkben a Nutrola AI 91% ételazonosítási pontosságot ért el, átlagos kalória eltéréssel 5.8%. A legkevésbé pontos alkalmazás (Bitesnap) csupán 61% azonosítást ért el 18.7%-os kalória eltéréssel. A valós pontosságot a AI modell és az azt támogató adatbázis minősége határozza meg.
Képes az AI pontosan számolni a kalóriákat egy fényképből?
A legjobb AI ételvizsgálók képesek a kalóriákat a tényleges értékek ±5-10%-on belül megbecsülni a legtöbb étel esetében. A Nutrola 82 ételt azonosított 100-ból ±10%-on belül a referenciaértékekhez képest. Azonban a pontosság csökken az étkezések bonyolultságával, gyenge világítással és ismeretlen konyhákkal. A legjobb eredmények érdekében használj olyan alkalmazást, mint a Nutrola, amely erős AI-t kombinál egy hitelesített adatbázissal, és hangalapú naplózást kínál a kihívást jelentő helyzetekre.
Melyik AI ételvizsgáló a legpontosabb?
A Nutrola Snap & Track AI a legmagasabb pontosságot érte el a 100 ételes tesztünkben: 91% ételazonosítás, 5.8% átlagos kalória eltérés, és 82% étel ±10%-on belül a referenciaértékekhez képest. Emellett a legjobb több étel észlelést mutatta, átlagosan 4.2 az 5 összetevőből a bonyolult tányérokon. A Cal AI a második helyen állt az azonosításban (78%), de sokkal magasabb kalória eltéréssel (14.2%) a hitelesített adatbázis hiánya miatt.
Működnek az AI ételvizsgálók a nemzetközi ételeknél?
A legtöbb AI ételvizsgáló nehezen boldogul a nem nyugati konyhákkal. A tesztünk során a Nutrola 95%-ban azonosította a nemzetközi ételeket (19/20), míg a többi alkalmazás átlagosan csak 39%-ban. Ez a képzési adatok sokféleségét tükrözi — a Nutrola AI-ja 50+ ország felhasználóinak ételfotóin alapul. A kutatások megerősítik, hogy az ételazonosító AI "konyhai elfogultságot" mutat a képzési adatok összetétele alapján (Cheng et al., 2023).
Jobb az AI kalóriaszámlálás, mint a manuális naplózás?
Sebesség és következetesség szempontjából igen. A Nutrola AI átlagosan 3-5 másodperc alatt naplózta az ételeket, 5.8%-os kalória eltéréssel. A manuális naplózás keresés alapú alkalmazásokban 30-60 másodpercet vesz igénybe ételenként, hasonló vagy rosszabb pontossággal (az adatbázis minőségétől függően). Egy 2022-es rendszerezett áttekintés a JMIR mHealth-ben megállapította, hogy az AI-alapú naplózás növeli a hosszú távú nyomon követési hajlandóságot anélkül, hogy feláldozná a pontosságot (Vu et al., 2022). A kulcs egy AI alkalmazás használata, amely mögött hitelesített adatbázis áll.
Mi történik, ha az AI ételvizsgáló nem ismeri fel az étkezésemet?
A Nutrolában válthatsz hangalapú naplózásra ("Lamb curry-t ettem basmati rizzsel") vagy manuálisan szerkesztheted az AI javaslatát — mindkettő kevesebb mint 10 másodpercet vesz igénybe. A Cal AI és a SnapCalorie esetében újra kell fényképezni, vagy vissza kell térni az alapvető manuális bevitelhez. A Nutrola 1%-os hibaarányával (csak 1 a 100 ételből nem produkált használható eredményt) a visszaesés ritkán szükséges.
Készen állsz a táplálkozásod nyomon követésének átalakítására?
Csatlakozz ezrekhez, akik a Nutrolával átalakították az egészségügyi útjukat!
