Google 于 2026 年 10 月 1 日在 Gemini Live 中推出 Guided Vision，一项面向视障与低视力用户的实时视觉辅助功能。官方称，这项能力由 Gemini 与视障群体共同打磨，目标是把摄像头变成可对话的「眼睛」。
使用方式很直观：在 Gemini Live 会话里共享手机摄像头，Gemini 就会用语音描述你眼前的环境，并回答后续追问。画面偏移时，它还会给出自然的重新取景提示——比如「向右慢移一点」「稍微低头」「往后退一步」，好让自己获得清晰画面来作答。无论是找钥匙、备餐还是挑衣服，凡是需要快速确认视觉细节的场景都能用上。
背后的训练花了心思。Google 与视障辅助机构 Aira 合作，用总计上万小时的视觉解读数据训练 Gemini Live 的对话式现实理解能力；超过 1000 名 Aira 信任测试者在不同日常场景里反复试用、帮忙校准，Aira 的专家则直接加入 Google 团队，参与安全护栏的制定与评估。
适用范围已经铺开。Guided Vision 现面向运行 Android 9 及以上、且所在地区与语言支持 Gemini Live 的设备开放，用户需把 Gemini 应用和安卓系统都更新到最新版本。除低视力人群外，它也能帮老年人、读写能力较弱的人，或在暗光下辨认小字。
Gemini Live 怎么用才顺手？开启 Guided Vision 后，把想让模型看的物体放进画面中央即可；提问越具体，得到的描述越有用。Google 本月初曾预告过这项功能，与它同期展示的还有一批扩展安卓数字与物理无障碍能力的工具。
需要明确边界。Google 强调，Guided Vision 是辅助工具，可能出错，既不是医疗器械，也不是盲杖或助行设备，不用于导航、安全出行指引或障碍物探测。在真实环境里，用户仍应依赖既有的助行手段与出行规范。
原文出处：Google 官方博客《Guided Vision in Gemini Live》
相关阅读： · Gemini 4 Argon 发布：输出上限提到 100 万 token — https://5918ai.com/ai-news/google-deepmind-gemini-4-argon
配图来源：X（@GoogleDeepMind）推文截图，内容还原自 Google 官方公告（未能逐字核验单条推文原文）。