Google 於 Gemini Live 推出 Guided Vision 功能，即時語音描述鏡頭所見世界

Google 為 Gemini Live 帶來即時視覺輔助功能

Google 在相容的 Android 智慧型手機上推出了整合於 Gemini Live 的無障礙輔助功能「Guided Vision」。該工具專為視障、低視能或在特定情境下需要視覺輔助的使用者設計，利用人工智慧針對裝置鏡頭捕捉到的畫面，生成即時的口述語音描述。

互動式描述、音訊提示與系統整合

當使用者直接在 Gemini Live 中分享相機畫面時，Guided Vision 便會啟動運作。這款人工智慧能辨識細小的文字印刷、辨識並定位周遭物體、詳細說明實體環境，並描繪視野內物品的特定特徵。

該工具支援互動式的對話追問。例如，在 Gemini 辨識出架上的某項商品後，使用者可以進一步要求它找出並朗讀有效期限。為了解決取景構圖上的挑戰，若使用者詢問的目標超出拍攝範圍，軟體會發出具方向性的音訊提示，引導使用者重新調整手機的拍攝角度。

在搭載 Android 9 及以上版本的裝置上，使用者可以直接在 Gemini 應用程式內啟用 Guided Vision，亦可透過 Google 的 TalkBack 螢幕閱讀器，或是「設定」選單中的自訂無障礙捷徑來開啟。這項功能緊隨近期 Pixel 軟體更新中的初步發表而正式推出。Google 亦明確提出警告，強調 Guided Vision 不應作為手杖或行動輔具的替代品，並告誡使用者切勿仰賴該軟體進行導航、安全行走或障礙物偵測。

推動多模態無障礙應用

此次功能的推出，使 Google 的 AI 助理能直接與利用電腦視覺打造無障礙應用的競爭對手並駕齊驅。Apple 也已在 iPhone 與 Vision Pro 頭戴裝置上，透過其 VoiceOver Live Recognition 工具提供類似功能，反映出業界正廣泛推動將低延遲的多模態 AI 模型部署為現實世界視覺解讀的輔助工具。