Google cập nhật Guided Vision cho Gemini Live: Trợ lý thị giác thời gian thực cho người dùng Android

Trải nghiệm thị giác thời gian thực trên Gemini Live

Google đã chính thức phát hành tính năng Guided Vision trên ứng dụng Gemini Live dành cho các thiết bị Android tương thích. Được thiết kế chuyên biệt cho người khiếm thị, thị lực kém hoặc bất kỳ ai cần hỗ trợ thị giác trong các tình huống cụ thể, công cụ này tận dụng sức mạnh AI đa phương thức để thuyết minh trực tiếp những gì ống kính camera điện thoại đang hướng tới.

Bằng cách kích hoạt chia sẻ camera trong Gemini Live, người dùng có thể nhận được lời giải thích tức thì bằng âm thanh về khung cảnh xung quanh. Tính năng này giúp nhận dạng và tìm kiếm đồ vật, làm rõ chi tiết của vật thể, cũng như đọc to các đoạn văn bản có kích thước nhỏ mà mắt thường khó quan sát.

Tương tác hội thoại hai chiều và cảnh báo an toàn từ Google

Không chỉ dừng lại ở việc đọc hay mô tả một chiều, Guided Vision cho phép người dùng đặt thêm các câu hỏi tiếp nối về vật thể đang theo dõi. Chẳng hạn, sau khi Gemini giúp tìm thấy một hộp thực phẩm trong phòng bếp, người dùng có thể yêu cầu mô hình đọc chính xác hạn sử dụng in trên bao bì. Điểm đáng chú ý là nếu vật thể cần hỏi nằm ngoài khung hình, Gemini sẽ chủ động phát ra các gợi ý bằng âm thanh để hướng dẫn người dùng căn chỉnh góc máy cho chuẩn xác.

Về khả năng tương thích, Guided Vision không chỉ có mặt trong Gemini Live mà còn được tích hợp sâu vào Google TalkBack, hoặc có thể kích hoạt thông qua phím tắt trợ năng (Accessibility shortcut) trong phần Cài đặt của các thiết bị chạy Android 9 trở lên, tiếp nối lộ trình đã được công bố trong các bản cập nhật gần đây cho dòng máy Pixel.

Dù mang lại nhiều tiện ích vượt trội, Google cũng đưa ra khuyến cáo nghiêm ngặt: người dùng tuyệt đối không nên dựa vào Guided Vision cho các tác vụ như điều hướng đường đi, dẫn đường an toàn hay phát hiện chướng ngại vật khi di chuyển, và tính năng này hoàn toàn không thể thay thế cho gậy chỉ đường hay các công cụ hỗ trợ vận động chuyên dụng.

Cuộc đua công nghệ hỗ trợ tiếp cận giữa các ông lớn

Việc Google đẩy mạnh khả năng nhận diện hình ảnh theo thời gian thực trên Gemini cho thấy nỗ lực của hãng trong việc đưa AI tổng hợp (Generative AI) vào phục vụ các nhu cầu thiết thực của đời sống. Động thái này tương đồng với tính năng VoiceOver Live Recognition mà Apple đã triển khai trước đó trên iPhone và kính Vision Pro. Khi năng lực xử lý đa phương thức (multimodal) ngày càng hoàn thiện, việc biến trợ lý AI thành "đôi mắt thứ hai" đang trở thành một trong những mặt trận cạnh tranh quan trọng giữa các nền tảng di động lớn nhất thế giới hiện nay.