Gemini Live上线Guided Vision：实时语音描述你眼前的世界

原文要点

Google在兼容Android设备（Android 9及以上、Gemini Live已支持的地区和语言）上线Gemini Live的Guided Vision，面向盲人和低视力用户。开启后在Gemini Live中共享摄像头，Gemini用语音实时描述环境、回答追问，并在镜头过高、过近或偏离时主动语音提示向右平移、向下倾斜或后退。Google与Aira合作用数万小时视觉解读数据训练，千余名Trusted Tester参与测试。可在Gemini应用设置、Android无障碍快捷方式或TalkBack菜单开启。Google明确它不是医疗设备、行动辅具或盲杖替代品，不用于导航、安全出行引导或障碍检测，且可能出错。

这次做成什么

在兼容Android手机上完成Guided Vision的三种开启方式配置，并用四个日常场景（读小字、找物品、看搭配、识空间）做一轮结构化练习，掌握追问和按语音提示调整镜头的节奏。

准备什么

• Android 9或以上、且在Gemini Live支持地区与语言列表内的手机
• Gemini应用与系统软件更新到最新版本，并授予相机权限
• 如需快捷方式：已开启Android无障碍功能；TalkBack用户需已启用TalkBack

具体怎么做

1. 在Gemini应用中开启

   打开Gemini手机应用，进入个人资料设置，打开「Use Guided Vision in Live」开关。回到主界面进入Gemini Live，点共享摄像头按钮，听到确认提示后即进入引导式视觉描述模式。

2. 配置无障碍快捷方式

   进入Android设置 > 无障碍 > Vision assistance > Guided Vision，配置无障碍快捷方式：浮动无障碍按钮、双指滑动手势或同时按住两个音量键，任选一种你能稳定触发的方式并实际试按一次。

3. TalkBack用户入口

   已运行TalkBack的用户，用三指轻点屏幕呼出TalkBack菜单，直接选择Guided Vision进入，无需再开Gemini应用。

4. 做四个场景练习

   按本页材料清单逐项练习：对准食品包装读营养成分小字；在桌面寻找一件指定物品；举起两件衣物问配色是否搭配；在陌生房间内缓慢平移镜头听空间布局描述。每项练习中故意把镜头抬高或凑近，验证Gemini是否会语音提示你向右平移、向下倾斜或后退，并至少追问两轮细节。

可直接复制的材料

[
  {"场景":"读小字","操作":"摄像头对准食品包装营养表","追问示例":"钠含量占每日建议值多少？这一行小字写的是什么？","验收":"能逐行读出指定栏目文字"},
  {"场景":"找物品","操作":"在桌面缓慢平移镜头寻找黑色耳机","追问示例":"它在杯子左边还是右边？离我手边大概多远？","验收":"按相对位置提示找到物品"},
  {"场景":"看搭配","操作":"先后举起条纹衬衫和长裤","追问示例":"这两件颜色冲突吗？更适合休闲还是正式场合？","验收":"得到明确搭配判断与理由"},
  {"场景":"识空间","操作":"在不熟悉房间内从左到右缓慢扫动","追问示例":"桌子上有几样东西？门在哪个方向？","验收":"得到房间布局与物品分布描述"}
]

输入与输出示例

本站虚构对话演示，非真实设备输出，实际措辞与识别能力以你设备上的表现为准。

输入

练习者将摄像头对准餐桌并问：桌上有哪些东西？随后把镜头压得过低，只拍到桌沿。

对应输出

Gemini语音（虚构示意）：「桌上有一个白色马克杯、一本合上的笔记本和一串钥匙。现在镜头位置偏低，只能看到桌子边缘，请把手机向上抬一点、再向后退半步，我就能看得更全。」

做完检查这些

• Gemini应用设置中能找到并打开「Use Guided Vision in Live」开关
• 至少一种无障碍快捷方式（浮动按钮/双指滑动/双音量键）能实际唤起Guided Vision
• 故意把镜头抬过高或凑过近时，收到语音提示要求平移、倾斜或后退
• 四个练习场景中至少三个能获得可用的描述或答案，并各完成两轮追问

容易卡住的地方

• 它是辅助工具且可能出错，读药品剂量、账单金额等关键信息必须人工复核
• 不能替代盲杖或导盲犬：不用于导航、安全出行引导和障碍检测，出行仍用既有行动辅具
• 仅在Gemini Live支持的地区和语言可用，Android需9以上；找不到开关先更新Gemini应用与系统
• 弱光下小字识别会下降，原文提到昏暗餐厅菜单这类场景本身就属困难条件
• 本页依据公告整理，未做真机实测，菜单名称在不同系统版本可能略有差异