Google 上线 Guided Vision：Gemini Live 化身视障用户的眼睛

想象一下，你眼睛看不清，想在调料柜里找一罐黑胡椒，或者衣服掉在地上找不到。过去你可能得靠手一点点摸，或者给家人打视频求助。

现在 Google 想让 AI 充当这双眼睛。Google 在 Android 系统的 Gemini Live 里正式上线了一项叫 Guided Vision 的新功能。只要打开手机摄像头，AI 就能实时用语音告诉你眼前有什么。

拿不准角度时，AI 会出声指挥你

很多人用摄像头问 AI 时，最大的痛点其实不是 AI 认不出来，而是自己根本不知道有没有对准。

Guided Vision 最特别的地方就在这里。如果你的镜头抬得太高、离得太近，或者偏到了一边，Gemini 会主动开口指挥你：往右边慢慢移一点、手机往下偏一下，或者往后退两步。等画面摆正了，它再回答你的问题。

为了把这种交互调顺，Google 找了无障碍机构 Aira 合作。Aira 旗下有 1000 多名受信任的测试人员，花了几万个小时进行实际测试，专门训练模型如何做这种口头构图引导，并设定安全边界。

除了调料柜找胡椒，它还能应付很多生活杂事。比如在昏暗的餐厅里读小字菜单、辨认洗衣机旋钮上的档位、看食品包装袋上的保质期和营养成分表，甚至帮你看看条纹衬衫和某条裤子搭不搭。

哪怕是老手机也能用上

这次 Google 挺大方，只要运行 Android 9 及以上的设备，在支持 Gemini Live 的地区和语言下都能用。

在日常调用上，它不需要你每次繁琐地打开软件找入口。你可以在 Android 的无障碍设置里把它绑到快捷键上，比如悬浮按钮、双指滑动手势，或者同时按住两个音量键直接唤醒。

如果你原本就用 Google TalkBack 屏幕阅读器，三指轻敲屏幕调出菜单就能直接启动 Guided Vision。在测试过程中，Google 还收集了印度、巴西、新加坡、印度尼西亚和日本等多个国家视障社群的反馈，让它支持多语言自然对话。

不过 Google 特别提醒了一点：这项功能绝不能当成盲杖或导航工具。它没有避障和安全出行导航的能力，本质上只是个随身视觉助手。

为什么重要

这对于视障群体和老年人来说，是个随时能用的实用工具。虽然 Apple 在 iPhone 和 Vision Pro 上也有类似的 VoiceOver 实时识别，但 Google 把它整合进 Gemini Live 的多模态实时对话后，交互明显更自然了。用户不需要像以前那样先拍一张照片、等几秒让模型解析，而是像在跟一个站在身边的人实时聊天。

更聪明的是，Google 把支持门槛一路放宽到了 Android 9。这意味着你不需要买几千上万元的旗舰新机，很多中低端旧设备也能享受到这项视觉多模态能力。

不过，我们认为这也伴随着显而易见的隐患。生成式 AI 天生就存在幻觉风险，当它用来读药瓶说明书或食品过敏原信息时，一旦把关键数字或成分认错，后果会比普通问答严重得多。Google 虽然反复强调它不是医疗或导航设备，但在实际生活中，用户很容易因为它的流利表达而产生过度信任。如何在提供即时帮助的同时守住安全底线，依然是它接下来必须面对的考验。