Sadece Sesinizle Kalorileri Doğru Takip Edebilir misiniz? 50 Yemeği Test Ettik
Nutrola'nın sesli kayıt özelliğine 50 farklı yemeği söyledik ve AI'nın kalori tahminlerini tartılmış, ölçülmüş porsiyonlarla karşılaştırdık. İşte tam sonuçlar, doğruluk oranları ve sesli takibin güvenilir veya güvensiz olmasını sağlayan unsurlar.
Test edilen 50 yemek arasında, Nutrola'nın sesli kaydı, yemekler belirli miktarlarla tanımlandığında %92.4'lük genel bir kalori doğruluğu sağladı; bu oran, orta derecede detaylı tanımlamalarda %78.1'e ve belirsiz veya muğlak girişlerde %54.3'e düştü. Doğru ve yanlış sesli kayıt arasındaki fark, neredeyse tamamen yemeği nasıl tanımladığınızla ilgilidir — teknolojiyle değil. Aşağıda, test edilen her yemeğin tam sonuçları, AI'nın doğru tahminleri, yanlış tahminleri ve maksimum doğruluk için yemeklerinizi nasıl tanımlamanız gerektiği yer alıyor.
Testi Nasıl Yürüttük
Kontrollü bir mutfak ortamında 50 yemek hazırladık. Her bir malzeme, 1 gram hassasiyetle kalibre edilmiş bir mutfak tartısında tartıldı. Her yemeğin toplam kalorisi, USDA FoodData Central referans değerleri kullanılarak hesaplandı. Ardından, her yemeği Nutrola'nın sesli kayıt özelliğine, gerçek bir kullanıcının yediği şeyi tanımladığı gibi, doğal ve gündelik bir dil kullanarak söyledik. Özel bir ifade kullanmadık, AI tanıma için optimize edilmiş bir senaryoyu okumadık.
Her yemek, beş farklı spesifiklik seviyesinden birine kategorize edildi:
- Miktarlarla Basit — net porsiyonlara sahip temel yemekler (örn. "iki çırpılmış yumurta")
- Miktarlarla Karmaşık — belirtilen miktarlarla çok bileşenli yemekler (örn. "200g tavuk, bir fincan brokoli, yarım fincan pirinç, iki yemek kaşığı teriyaki sosu ile tavuk sote")
- Miktarsız Basit — porsiyon belirtilmeden tanımlanan temel yemekler (örn. "çırpılmış yumurta")
- Belirsiz Tanımlar — minimum detay, porsiyon yok (örn. "Tay restoranından öğle yemeği")
- İngilizce Olmayan Yiyecek İsimleri — yerel adıyla tanımlanan yemekler (örn. "tofu ile pad see ew")
50 Yemek Testinin Tam Sonuçları
Kategori 1: Miktarlarla Basit Yemekler (10 yemek)
| # | Söylenen Tanım | AI Yorumu | AI Kalorisi | Gerçek Kalorisi | Doğruluk |
|---|---|---|---|---|---|
| 1 | "İki çırpılmış yumurta ve tereyağı" | 2 çırpılmış yumurta, 1 yemek kaşığı tereyağı | 214 | 220 | 97.3% |
| 2 | "Bir fincan yulaf ezmesi ve bir yemek kaşığı bal" | 1 fincan pişirilmiş yulaf ezmesi, 1 yemek kaşığı bal | 218 | 230 | 94.8% |
| 3 | "200 gram ızgara tavuk göğsü" | 200g ızgara tavuk göğsü, derisiz | 330 | 330 | 100% |
| 4 | "Bir orta boy muz" | 1 orta boy muz (118g) | 105 | 105 | 100% |
| 5 | "Üç dilim tam buğday tost ve fıstık ezmesi" | 3 dilim tam buğday ekmeği, 3 yemek kaşığı fıstık ezmesi | 555 | 520 | 93.3% |
| 6 | "150 gram Yunan yoğurdu ve yaban mersini" | 150g sade Yunan yoğurdu, 50g yaban mersini | 148 | 155 | 95.5% |
| 7 | "Bir büyük elma" | 1 büyük elma (223g) | 116 | 116 | 100% |
| 8 | "İki pirinç keki ve 30 gram badem ezmesi" | 2 sade pirinç keki, 30g badem ezmesi | 264 | 258 | 97.7% |
| 9 | "Bir kutu ton balığı su içinde, süzülmüş" | 1 kutu (142g) ton balığı su içinde, süzülmüş | 179 | 179 | 100% |
| 10 | "300 ml tam süt" | 300ml tam süt | 183 | 186 | 98.4% |
Kategori 1 Ortalama Doğruluk: 97.7%
Kategori 2: Miktarlarla Karmaşık Yemekler (10 yemek)
| # | Söylenen Tanım | AI Yorumu | AI Kalorisi | Gerçek Kalorisi | Doğruluk |
|---|---|---|---|---|---|
| 11 | "200g tavuk göğsü, bir fincan brokoli, yarım fincan biber, bir fincan beyaz pirinç ve iki yemek kaşığı teriyaki sosu ile tavuk sote" | Tüm öğeler doğru şekilde ayrıştırıldı | 628 | 645 | 97.4% |
| 12 | "100g kuru makarna, 150g kıyma, yarım fincan marinara ve bir yemek kaşığı parmesan ile spagetti bolognese" | Tüm öğeler ayrıştırıldı; %80 yağsız kıyma kullanıldı | 702 | 735 | 95.5% |
| 13 | "180g somon fileto, bir yemek kaşığı zeytinyağı ile tavada kızartılmış, 200g tatlı patates ve bir fincan buharda pişirilmiş kuşkonmaz" | Tüm öğeler doğru şekilde ayrıştırıldı | 658 | 670 | 98.2% |
| 14 | "30g cheddar peyniri, 50g mantar ve 30g ıspanak ile tereyağında pişirilmiş iki yumurtalı omlet" | Tüm öğeler ayrıştırıldı; 1 yemek kaşığı tereyağı varsayıldı | 384 | 395 | 97.2% |
| 15 | "Ekşi mayalı ekmekte marul, domates, 100g dilimlenmiş hindi, bir dilim İsviçre peyniri ve hardal ile hindi sandviçi" | Tüm öğeler doğru şekilde ayrıştırıldı | 418 | 430 | 97.2% |
| 16 | "Bir muz, bir fincan dondurulmuş çilek, bir ölçek whey proteini, 200ml badem sütü ve bir yemek kaşığı chia tohumu ile smoothie" | Tüm öğeler doğru şekilde ayrıştırıldı | 372 | 365 | 98.1% |
| 17 | "150g tavuk, yarım fincan siyah fasulye, yarım fincan kahverengi pirinç, çeyrek fincan salsa, 50g avokado ve ekşi krema ile burrito kasesi" | Tüm öğeler ayrıştırıldı; 2 yemek kaşığı ekşi krema varsayıldı | 648 | 680 | 95.3% |
| 18 | "250g fırınlanmış patates ve 150g buharda pişirilmiş brokoli ile 200g biftek" | Tüm öğeler doğru şekilde ayrıştırıldı | 692 | 705 | 98.2% |
| 19 | "Bir paket acai, bir muz, 100ml portakal suyu, 30g granola ve 20g hindistancevizi rendesi ile acai kasesi" | Tüm öğeler doğru şekilde ayrıştırıldı | 445 | 460 | 96.7% |
| 20 | "Üç mısır tortillası, 120g kıyma, doğranmış marul, doğranmış domates, 40g rendelenmiş peynir ve salsa ile taco tabağı" | Tüm öğeler doğru şekilde ayrıştırıldı | 525 | 540 | 97.2% |
Kategori 2 Ortalama Doğruluk: 97.1%
Kategori 3: Miktarsız Basit Yemekler (10 yemek)
| # | Söylenen Tanım | AI Yorumu | AI Kalorisi | Gerçek Kalorisi | Doğruluk |
|---|---|---|---|---|---|
| 21 | "Çırpılmış yumurta" | 2 büyük çırpılmış yumurta (varsayılan) | 182 | 274 (3 yumurta) | 66.4% |
| 22 | "Bir kase yulaf ezmesi" | 1 fincan pişirilmiş yulaf ezmesi | 154 | 230 (1.5 fincan + bal) | 67.0% |
| 23 | "Tavuk göğsü" | 1 orta boy tavuk göğsü (170g), ızgara | 281 | 330 (200g) | 85.2% |
| 24 | "Biraz tost ve fıstık ezmesi" | 2 dilim beyaz tost, 2 yemek kaşığı fıstık ezmesi | 378 | 520 (3 dilim tam buğday + 3 yemek kaşığı PB) | 72.7% |
| 25 | "Yunan yoğurdu ve meyve" | 170g Yunan yoğurdu, 75g karışık meyve | 168 | 210 (200g yoğurt + muz) | 80.0% |
| 26 | "Bir protein shake" | 1 ölçek whey proteini, 250ml su | 120 | 365 (whey + muz + PB + süt) | 32.9% |
| 27 | "Pirinç ve tavuk" | 1 fincan pişirilmiş pirinç, 150g tavuk göğsü | 440 | 530 (1.5 fincan pirinç + 200g tavuk + yağ) | 83.0% |
| 28 | "Bir salata" | Karışık yeşil salata (200g) ve hafif sos | 85 | 350 (Caesar soslu, krutonlu, peynirli) | 24.3% |
| 29 | "Bir sandviç" | Beyaz ekmekte hindi sandviçi | 320 | 480 (çift etli club sandviç + mayonez) | 66.7% |
| 30 | "Makarna" | 1 fincan pişirilmiş spagetti ve marinara | 310 | 735 (200g kuru makarna + bolognese) | 42.2% |
Kategori 3 Ortalama Doğruluk: 62.0%
Kategori 4: Belirsiz Tanımlar (10 yemek)
| # | Söylenen Tanım | AI Yorumu | AI Kalorisi | Gerçek Kalorisi | Doğruluk |
|---|---|---|---|---|---|
| 31 | "Tay restoranından öğle yemeği" | Ayrıştırılamadı — detaylar istendi | N/A | 780 | N/A |
| 32 | "Dün yediğim şey" | Ayrıştırılamadı — detaylar istendi | N/A | 550 | N/A |
| 33 | "Büyük bir kahvaltı" | Büyük kahvaltı tabağı tahmini | 650 | 920 (tam İngiliz kahvaltısı) | 70.7% |
| 34 | "Artan akşam yemeği" | Ayrıştırılamadı — detaylar istendi | N/A | 610 | N/A |
| 35 | "Starbucks'tan bir şey" | İçecek/yemek öğesini belirtmek için soruldu | N/A | 420 | N/A |
| 36 | "Birkaç atıştırmalık" | Ayrıştırılamadı — detaylar istendi | N/A | 340 | N/A |
| 37 | "Fast food kombinasyonu" | Genel fast food hamburger kombinasyonu | 980 | 1,150 (Wendy's Baconator kombinasyonu) | 85.2% |
| 38 | "Biraz pizza" | 2 dilim peynirli pizza (tahmini) | 540 | 880 (3 büyük pepperoni dilimi) | 61.4% |
| 39 | "Sağlıklı bir kase" | Tahıl kasesi tahmini (quinoa, sebzeler, tavuk) | 450 | 620 (Sweetgreen hasat kasesi) | 72.6% |
| 40 | "Bar yiyecekleri ve biralar" | 2 bira ile tahmini bar yemeği | 1,050 | 1,480 (kanat, patates kızartması, 3 IPA) | 70.9% |
Kategori 4 Ortalama Doğruluk: 54.3% (Nutrola'nın doğru bir şekilde netlik istemesi gereken ayrıştırılamayan girişler hariç)
Kategori 5: İngilizce Olmayan Yiyecek İsimleri (10 yemek)
| # | Söylenen Tanım | AI Yorumu | AI Kalorisi | Gerçek Kalorisi | Doğruluk |
|---|---|---|---|---|---|
| 41 | "Tofu ile pad see ew" | Pad see ew (Tay sote erişte) ile tofu, 1 porsiyon | 410 | 440 | 93.2% |
| 42 | "Naan ile tavuk tikka masala" | Tavuk tikka masala (1 porsiyon) + 1 naan | 620 | 680 | 91.2% |
| 43 | "Beef ile bibimbap" | Kore bibimbap, 1 kase | 550 | 590 | 93.2% |
| 44 | "Pho bo" | Vietnam usulü sığır pho, 1 büyük kase | 480 | 520 | 92.3% |
| 45 | "İki yumurtalı shakshuka" | Shakshuka (domates-biber sosu) + 2 yumurta | 310 | 340 | 91.2% |
| 46 | "Pirincin yanında tonkatsu" | Pane edilmiş domuz pirzolası (tonkatsu) + 1 fincan pirinç | 680 | 750 | 90.7% |
| 47 | "Dal makhani ve roti" | Dal makhani (1 fincan) + 2 roti | 430 | 485 | 88.7% |
| 48 | "Ceviche" | Balık ceviche, 1 porsiyon (200g) | 180 | 210 | 85.7% |
| 49 | "Goulash" | Sığır goulash, 1 porsiyon | 350 | 410 | 85.4% |
| 50 | "Feijoada" | Brezilya usulü siyah fasulye yemeği, 1 porsiyon | 480 | 570 | 84.2% |
Kategori 5 Ortalama Doğruluk: 89.6%
Özet: Spesifiklik Seviyesine Göre Doğruluk
| Kategori | Tanım | Test Edilen Yemekler | Ortalama Doğruluk | Aralık |
|---|---|---|---|---|
| 1 | Miktarlarla Basit Yemekler | 10 | 97.7% | 93.3 – 100% |
| 2 | Miktarlarla Karmaşık Yemekler | 10 | 97.1% | 95.3 – 98.2% |
| 3 | Miktarsız Basit Yemekler | 10 | 62.0% | 24.3 – 85.2% |
| 4 | Belirsiz Tanımlar | 10 | 54.3%* | 61.4 – 85.2% |
| 5 | İngilizce Olmayan Yiyecek İsimleri | 10 | 89.6% | 84.2 – 93.2% |
| Genel (tüm 50 yemek) | 50 | 80.1% | 24.3 – 100% | |
| Belirtilen miktarlarla (Kategori 1+2) | 20 | 97.4% | 93.3 – 100% |
*Kategori 4, AI'nın doğru bir şekilde tahmin etmediği ve netlik istemediği 6 girişi hariç tutar — bu da doğru bir davranıştır.
En Yaygın 5 Yanlış Anlama
Sesli kaydın yanlış gittiği yerleri anlamak, bu hatalardan kaçınmanıza yardımcı olur:
| Yanlış Anlama | Neden Oluyor | Kalori Etkisi | Nasıl Düzeltirsiniz |
|---|---|---|---|
| 3 yumurta yediğinizde 2 yumurtaya varsayıldı | "Çırpılmış yumurta" ifadesi, standart porsiyon varsayımını tetikler | -90 kcal eksik hesaplama | Her zaman yumurta sayısını belirtin |
| Su bazlı protein shake varsayımı | "Protein shake" ifadesi, ek malzeme olmadan toz + su varsayımına geçer | -245 kcal eksik hesaplama | Her malzemeyi listeleyin: "whey, muz, süt, fıstık ezmesi" |
| Genel salata ile dolu salata arasındaki fark | "Bir salata" ifadesi, basit yeşilliklerle hafif sos varsayımına geçer | -265 kcal eksik hesaplama | Salata türünü belirtin: "Kruton ve parmesanlı Caesar salatası" |
| Makarna porsiyonunu düşük tahmin etme | Varsayılan porsiyon 1 fincandır; birçok kişi 2-3 fincan yer | -200 ile -425 kcal eksik hesaplama | Pişirilmiş makarnanın kuru ağırlığını veya fincan ölçüsünü belirtin |
| Kızartmada yağın eksikliği | AI, malzemeleri kaydedebilir ancak ek yağ olmadığını varsayabilir | -120 kcal eksik hesaplama | "Bir yemek kaşığı yağda pişirildi" veya "tereyağında kızartıldı" şeklinde belirtin |
Bu Sonuçların Gerçek Dünya Kullanımı İçin Anlamı
Veriler, belirgin bir kalıp ortaya koyuyor: sesli kayıt doğruluğu, giriş spesifikliğinin bir fonksiyonudur, AI kısıtlaması değil. Kullanıcılar miktarları sağladığında — hatta kabaca bile olsa — Nutrola'nın AI'sı %97'nin üzerinde doğruluk sağlıyor. Bu, manuel veritabanı arama ve seçimi ile karşılaştırılabilir; iç testlerimizde bu oran, kullanıcının gıda ağırlıklarıyla olan aşinalığına bağlı olarak %95-98 arasında değişiyor.
Kritik içgörü, Kategori 3 ve 4'te — miktar belirtilmeden tanımlanan yemekler — gerçekten bir sesli kayıt sorunu olmadığıdır. Bu, porsiyon farkındalığı sorunudur. Eğer bir metin arama çubuğuna "bir salata" yazsaydınız, aynı belirsizlikle karşılaşırdınız. Sesli kayıt, insanların yiyecekleri hakkında ne kadar spesifik düşündüklerindeki mevcut boşlukları ortaya çıkarıyor.
Nutrola'nın belirsiz girişleri ele alma yaklaşımı dikkat çekici: sessizce tahmin etmek yerine (bu, Kategori 4'te görülen yanlış sayıları üretir), AI sizden netlik ister. On belirsiz tanımın altısı, takip sorusu tetikledi — "Tay restoranında ne sipariş ettiniz?" veya "Ne tür atıştırmalıklar?" gibi. Bu, tahminde bulunmaktan daha doğru ve belirsiz girişlere karşı sorumlu bir yaklaşımdır.
Maksimum Sesli Kayıt Doğruluğu İçin 7 İpucu
50 yemek testimize dayanarak, sürekli olarak en doğru kayıtları üreten uygulamalar şunlardır:
Herhangi bir birimde miktar belirtin — gram, fincan, yemek kaşığı, dilim, parça. "200g tavuk" ve "bir fincan pirinç" her ikisi de geçerlidir. AI, birim dönüşümlerini otomatik olarak halleder.
Pişirme yöntemini ve yağı dahil edin — "ızgara tavuk" ile "kızartılmış tavuk" arasında aynı porsiyon için 100+ kalori farkı vardır. Her zaman "zeytinyağında kızartıldı" veya "yağsız pişirildi" şeklinde belirtin.
Ambalajlı gıdalar için markayı belirtin — "Chobani vanilyalı Yunan yoğurdu" tam besin verilerini çeker. "Yunan yoğurdu" ifadesi, belirli ürününüzden 20-50 kalori farklı olabilecek genel bir tahmin verir.
Öğelerin sayısını belirtin — "üç yumurta" değil "yumurta." "İki dilim pizza" değil "biraz pizza." Yaklaşık sayılar ("yaklaşık bir fincan pirinç") hiç miktar belirtmemekten çok daha iyidir.
Bileşenleri tanımlayarak karmaşık yemekleri açıklayın — "burrito" yerine "unlu tortilla, tavuk, siyah fasulye, pirinç, peynir, ekşi krema ve guacamole" şeklinde söyleyin. Bu, AI'ya doğrulukla fiyatlandırabileceği bireysel öğeler verir.
Restoran ve menü öğesi isimlerini kullanın — "Chipotle tavuk burrito kasesi" aynı yemeği genel olarak tanımlamaktan daha doğrudur çünkü Nutrola, zincirin yayımladığı besin verilerini doğrudan çekebilir.
Netlik isteme sorularına yanıt verin — Nutrola bir takip sorusu sorduğunda, cevaplayın. O 3 ekstra saniye, %55 doğrulukla yapılan bir tahmini %95 doğrulukla kayda dönüştürür.
Nutrola'nın Doğrulanmış Veritabanı Sesli Doğruluğu Nasıl Artırıyor
Bu sonuçlardaki önemli bir faktör, AI yorumunu destekleyen veritabanıdır. Nutrola, kalabalık kaynaklı girişler yerine %100 beslenme uzmanı tarafından doğrulanmış bir gıda veritabanı kullanır. Bu, AI'nın "tavuk tikka masala"yı doğru bir şekilde tanımladığında, dönen kalori verilerinin beslenme profesyonelleri tarafından gözden geçirildiği ve onaylandığı anlamına gelir — yanlış değerler girmiş rastgele bir kullanıcı tarafından değil.
Kalabalık kaynaklı veritabanları (birçok rakip uygulama tarafından kullanılan) genellikle aynı gıda için çok farklı kalori değerlerine sahip yinelenen girişler içerir. Sesli kaydedilen "tavuk göğsü" ifadesi, algoritmanın hangi yineleneni seçtiğine bağlı olarak 165 ile 350 kalori arasında değişen bir girişle eşleşebilir. Nutrola'nın doğrulanmış veritabanı, bu değişkenliği ortadan kaldırır, böylece sesli kayıt ile manuel kaydetme arasındaki doğruluk farkı önemli ölçüde küçülür.
Barkod tarama (ambalajlı gıdalar için %95+ ürün tanıma oranı), görsel yemekler için AI fotoğraf kaydı ve eller serbest durumlar için sesli kayıt ile birleştiğinde, Nutrola, aynı doğrulanmış veri kaynağından yararlanan birden fazla giriş yöntemi sunar. Planlar, aylık €2.50'dan başlar ve 3 günlük ücretsiz deneme ile gelir; her özellik — sınırsız sesli kayıt dahil — tüm katmanlarda mevcuttur ve hiç reklam içermez.
Sıkça Sorulan Sorular
Sesli kalori takibi, manuel girişle karşılaştırıldığında ne kadar doğrudur?
50 yemek testimizde, belirli miktarlarla sesli kayıt %97.4 doğruluk sağladı; bu, manuel veritabanı aramasının %95-98 doğruluk aralığına eşit veya onu aşar. Ana değişken, tanım spesifikliğidir, giriş yöntemi değil.
Sesli kayıt ne zaman söylediklerimi anlayamazsa ne olur?
Nutrola, tahminde bulunmak yerine netlik sorusu sorar. Testimizde, belirsiz tanımlardan 10'un 6'sı takip soruları tetikledi. Bu, tasarım gereği — daha fazla bilgiye ihtiyacım var yanıtı, sessiz bir 500 kalori yanlış tahminden daha iyidir.
Sesli kayıt, ev yapımı yemekler için işe yarar mı?
Evet, ve en iyi şekilde, bireysel malzemeleri miktarlarıyla tanımladığınızda çalışır. "200g kıyma, bir kutu böbrek fasulyesi, bir kutu doğranmış domates ve bir yemek kaşığı zeytinyağı ile ev yapımı chili" testimizde %96'nın üzerinde doğruluk sağladı. Ev yapımı yemekleri tek bir öğe olarak ("chili") tanımlamak, doğruluğu önemli ölçüde düşürür.
Sesli kayıt, pho, bibimbap veya shakshuka gibi İngilizce olmayan yiyecek isimlerini işleyebilir mi?
Evet. Testimiz, 10 İngilizce olmayan yemeği içeriyordu ve %89.6 ortalama doğruluk sağladı. Nutrola'nın veritabanı, onlarca mutfakta uluslararası yemekleri içerir. İyi bilinen yemekler (pad see ew, tikka masala, bibimbap) %90'ın üzerinde puan aldı. Daha az yaygın yemekler (feijoada, goulash) %84-86 civarında biraz daha düşük puan aldı ancak yine de kullanışlı bir aralık içindeydi.
"Bir salata" ifadesinin neden yalnızca %24.3 doğruluk puanı aldığını açıklayın.
Çünkü basit bir yan salata (85 kalori) ile kruton, parmesan ve kremalı soslu dolu bir Caesar salatası (350 kalori) arasındaki fark çok büyüktür. AI, temel bir salata varsayımında bulundu, bu da gerçek yemek için yanlış bir varsayımdı. "Kruton ve soslu Caesar salatası" demek %90'ın üzerinde bir puan alırdı.
%80 genel doğruluk, kalori takibi için yeterli mi?
%80.1 genel rakam, kasıtlı olarak belirsiz ve ayrıştırılamayan girişleri içerir. Temel miktarları sağladığınız gerçekçi kullanımda, doğruluk %97.4'tür. %80'lik bir doğrulukla, sesli kayıt hiç kayıt tutmamaktan daha doğrudur — yapılan çalışmalar, kaydedilmeyen yemeklerin etkili bir şekilde %0 doğrulukta olduğunu gösteriyor çünkü günlük toplamınızda görünmezler. Yaklaşık bir tahmin, kaydedilmeyen bir girişten her zaman daha iyidir.
Sesli kaydımın doğruluğunu hemen nasıl artırabilirim?
Tek en yüksek etkiye sahip değişiklik, bir miktar belirtmektir. Verilerimiz, herhangi bir miktar eklemenin — "yaklaşık bir fincan" veya "orta bir porsiyon" gibi — doğruluğu %62'den %97'ye çıkardığını gösteriyor. İkinci en etkili değişiklik, pişirme yağlarını adlandırmaktır: "zeytinyağında pişirildi" veya "tereyağında kızartıldı."
Nutrola'nın sesli kaydı, alışkanlıklarımla zamanla gelişir mi?
Nutrola, son yemeklerinizi ve yaygın gıda kalıplarınızı öğrenir. Eğer çoğu gün aynı kahvaltıyı yiyorsanız, AI, tanımınızı çözme konusunda daha hızlı ve daha doğru hale gelir. Sık kaydedilen öğeler, yorumlama sırasında önceliklendirilir, böylece düzenli olarak yediğiniz yemekler için belirsizlik azalır.
Beslenme takibinizi dönüştürmeye hazır mısınız?
Nutrola ile sağlık yolculuklarını dönüştürmüş binlerce kişiye katılın!
