Google在Gemini Live推出Guided Vision辅助视觉功能
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载实时音频描述怎么用
这项功能被放在 Gemini Live 里，用户把手机摄像头画面共享出去，Gemini 就会对镜头对准的东西做实时语音描述。可用的场景包括念出字号很小的文字、讲清周围环境、帮忙找东西或认出物体，以及说明某个物体上的具体细节。用户还能接着追问，比如让 Gemini 读出它刚帮忙找到的那件物品上的保质期。如果问的东西不在画面里，Gemini 会用语音提示怎么调整镜头把它框进来。功能面向盲人、低视力人群，也面向在特定场合需要辅助的人。
上线渠道与系统门槛
Guided Vision 当天开始在 Gemini Live 中面向兼容的 Android 设备推出。除了 Gemini 应用，它也能在 Google TalkBack 里使用；运行 Android 9 及以上版本的设备，还可以在设置应用里为它配一个无障碍快捷方式。这一安排是在近期一批 Pixel 更新中公布之后落地的。也就是说，入口不止一个：既可以从 Gemini 应用直接进入，也可以走 TalkBack，或者用系统层面的快捷方式唤起，方便不同使用习惯的人按自己的方式调用。
与苹果方案的对照
苹果此前在 iPhone 和 Vision Pro 上加入了 VoiceOver 的 Live Recognition 功能，Guided Vision 与它属于同一类思路，都是借助 AI 为看不见或看不清的人提供环境与物体的语音说明。两者的定位也一致：不是通用助手，而是针对无障碍需求或特定情境下的辅助。区别在于落地方式，Guided Vision 依托 Gemini Live 的摄像头共享，并同时接入 TalkBack 与 Android 系统快捷方式，覆盖的是 Android 生态内的设备。
边界与使用提醒
Google 明确提醒，不要把 Guided Vision 用在导航、安全出行指引或障碍物检测上，也不能拿它替代手杖或其他行动辅助工具。换句话说，它能帮忙读小字、认东西、描述眼前画面，但不承担判断前方是否安全、该往哪走的职责。对读者而言，这意味着它是一项补充性的辅助手段：适合在需要看清细节或确认物品时使用，涉及移动安全时仍要依靠专门的助行工具和自身判断。
为什么值得看
大模型实时多模态能力落地无障碍场景，为视弱人群提供交互式视觉辅助，是AI应用的重要方向。
信源1 家
关键事实
相关 · 产品
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。