Google 上線 Guided Vision：Gemini Live 化身視障使用者的眼睛

想像一下，你眼睛看不清，想在調料櫃裡找一罐黑胡椒，或者衣服掉在地上找不到。過去你可能得靠手一點點摸，或者給家人打影片求助。

現在 Google 想讓 AI 充當這雙眼睛。Google 在 Android 系統的 Gemini Live 里正式上線了一項叫 Guided Vision 的新功能。只要開啟手機攝像頭，AI 就能即時用語音告訴你眼前有什麼。

拿不準角度時，AI 會出聲指揮你

很多人用攝像頭問 AI 時，最大的痛點其實不是 AI 認不出來，而是自己根本不知道有沒有對準。

Guided Vision 最特別的地方就在這裡。如果你的鏡頭抬得太高、離得太近，或者偏到了一邊，Gemini 會主動開口指揮你：往右邊慢慢移一點、手機往下偏一下，或者往後退兩步。等畫面擺正了，它再回答你的問題。

為了把這種互動調順，Google 找了無障礙機構 Aira 合作。Aira 旗下有 1000 多名受信任的測試人員，花了幾萬個小時進行實際測試，專門訓練模型如何做這種口頭構圖引導，並設定安全邊界。

除了調料櫃找胡椒，它還能應付很多生活雜事。比如在昏暗的餐廳裡讀小字選單、辨認洗衣機旋鈕上的檔位、看食品包裝袋上的保質期和營養成分表，甚至幫你看看條紋襯衫和某條褲子搭不搭。

哪怕是老手機也能用上

這次 Google 挺大方，只要執行 Android 9 及以上的裝置，在支援 Gemini Live 的地區和語言下都能用。

在日常呼叫上，它不需要你每次繁瑣地開啟軟體找入口。你可以在 Android 的無障礙設定裡把它綁到快捷鍵上，比如懸浮按鈕、雙指滑動手勢，或者同時按住兩個音量鍵直接喚醒。

如果你原本就用 Google TalkBack 螢幕閱讀器，三指輕敲螢幕調出選單就能直接啟動 Guided Vision。在測試過程中，Google 還收集了印度、巴西、新加坡、印度尼西亞和日本等多個國家視障社群的反饋，讓它支援多語言自然對話。

不過 Google 特別提醒了一點：這項功能絕不能當成盲杖或導航工具。它沒有避障和安全出行導航的能力，本質上只是個隨身視覺助手。

為什麼重要

這對於視障群體和老年人來說，是個隨時能用的實用工具。雖然 Apple 在 iPhone 和 Vision Pro 上也有類似的 VoiceOver 即時識別，但 Google 把它整合進 Gemini Live 的多模態即時對話後，互動明顯更自然了。使用者不需要像以前那樣先拍一張照片、等幾秒讓模型解析，而是像在跟一個站在身邊的人即時聊天。

更聰明的是，Google 把支援門檻一路放寬到了 Android 9。這意味著你不需要買幾千上萬元的旗艦新機，很多中低端舊裝置也能享受到這項視覺多模態能力。

不過，我們認為這也伴隨著顯而易見的隱患。生成式 AI 天生就存在幻覺風險，當它用來讀藥瓶說明書或食品過敏原資訊時，一旦把關鍵數字或成分認錯，後果會比普通問答嚴重得多。Google 雖然反覆強調它不是醫療或導航裝置，但在實際生活中，使用者很容易因為它的流利表達而產生過度信任。如何在提供即時幫助的同時守住安全底線，依然是它接下來必須面對的考驗。