Google 於二零二六年十月一日宣布，在 Gemini Live 正式推出 Guided Vision：使用者可分享手機鏡頭，即時取得環境與物件的語音描述，並以口語提示協助對準畫面。官方與視障服務機構 Aira 合作，累積數萬小時視覺解讀訓練資料，逾一千名 Trusted Tester 參與測試。來源真實性已驗證。
該功能面向盲人、低視力使用者，以及需要快速讀取細字或辨識物件的一般用戶，支援多語，並與 Android TalkBack、無障礙捷徑整合。官方強調此為輔助工具，非醫療器材或導盲杖替代品，亦不適用於導航或障礙物偵測。
Google／官方：Gemini Live 推出 Guided Vision——即時鏡頭語音描述；Aira 逾萬小時訓練、逾千測試員
Google 官方博客於二零二六年十月一日刊出〈Guided Vision in Gemini Live: built for accessibility〉，宣布 Guided Vision 即日起在支援 Gemini Live 的相容 Android 裝置上線。來源真實性已驗證：對照 Google 產品稿與 The Verge 同日報導，上線範圍、使用方式、安全限制與社區測試敘事一致。功能定位是把 Gemini 變成「可對話的即時視覺夥伴」——分享鏡頭後聽描述、追問細節，並在畫面偏移時收到口語重構提示。
一、核心事件：鏡頭即時語音輔助正式開放
技術細節
官方說明，使用者在 Gemini Live 工作階段中分享相機，即可聽到對周圍環境的清晰描述，並可就畫面中的物件提出後續問題；若鏡頭過高、過近或偏離目標，Gemini 會以自然語氣提示緩慢平移、下傾或後退，以便取得足夠視覺上下文。
日常場景包括：讀取食品營養標籤、家電旋鈕與洗衣機程式、昏暗餐廳菜單等細字；在近距離範圍尋找落地耳機或調味瓶；辨識顏色、圖案與形狀以搭配衣物；以及對陌生空間或桌面物件取得概覽描述。官方指 Guided Vision 支援多種語言對話，並參考印度、巴西、新加坡、印尼、日本等地盲人與低視力社群的測試回饋。
取用路徑方面：可在 Gemini 手機 App 個人設定開啟「Use Guided Vision in Live」後進入 Live 並分享相機；亦可於 Android 設定 > 無障礙 > Vision assistance > Guided Vision 設定捷徑（浮動按鈕、雙指滑動或同時按兩側音量鍵）；使用 Google TalkBack 者可用三指輕點開啟選單並直接選擇 Guided Vision。官方標示適用於運行 Android 9 及以上、且所在地區與語言已支援 Gemini Live 的裝置，並建議更新 Gemini App 與系統軟體。
二、技術原理與訓練合作
Guided Vision 屬多模態即時助理：相機畫面進入 Gemini Live 的對話式視覺解讀流程，輸出以語音為主，並加入主動的「構圖／對準」提示，降低視障使用者單手舉機時「拍不到重點」的摩擦。
訓練與安全方面，官方寫明與 Aira 合作，為 Gemini Live 累積「tens of thousands of hours」（數萬小時）的真實世界視覺解讀資料；逾一千名 Aira Trusted Tester 網絡成員協助壓力測試與日常情境 refinement，Aira 專家亦參與安全護欄的建立與評估。The Verge 補充，Guided Vision 亦可見於 Google TalkBack，且與近期 Pixel 無障礙更新公布的路線一致；並提醒勿依賴該功能做導航、安全行進指引或障礙物偵測。
三、日常應用場景
1. 開發者與技術團隊
可參考其「即時視覺＋口語重構提示＋無障礙捷徑」產品模式，為內部工具或客戶 App 設計同類相機輔助流程；重點在延遲、誤判提示、以及明確的「非導航／非醫療」產品邊界文案。
2. 企業與注重合規的行業
零售、物業、醫療院所與公共服務機構若要導入現場視覺助理，需區分「公開雲多模態助手」與「個資／場所影像不出境的私有部署」。Guided Vision 展示了可用性與社區共創標準，但企業客戶資料與現場畫面政策仍須獨立評估。
3. 一般用戶
低視力、長者或低光環境下需讀細字的使用者，可在支援裝置上直接試用；亦可把它當成臨時「讀標籤／找東西」助手。官方明確：它會犯錯，不是醫療器材，也不能取代導盲杖或既有行動輔具。
4. 香港與亞洲市場視角
官方測試涵蓋新加坡、日本、印尼等亞洲市場，對香港同樣高密度、多語、招牌與包裝文字繁雜的城市場景有參考價值。香港零售、安老與公共服務若規劃視覺輔助或場域導覽 App，可借鏡其 TalkBack 整合與捷徑啟動，同時遵守個人資料出境與場所拍攝規範。本地團隊若要以私有模型做類似多模態助理，須自行準備繁中／粵語場景數據與安全評估。
四、專業評價與潛在考量
優勢
- 官方產品頁與主流科技媒體交叉驗證，功能邊界寫得清楚。
- 與視障社區及 Aira 共創，訓練時數與測試員規模有具體敘述。
- 深嵌 Android 無障礙體系（TalkBack、系統捷徑），降低「再裝一個 App」的門檻。
- 多語與亞洲測試敘事，對香港／亞洲產品規劃有直接啟發。
需要留意的地方
- 僅限相容 Android、且 Gemini Live 已開放的地區與語言；iOS 或未支援地區暫不在本次稿件範圍。
- 生成式 AI 會誤判；官方禁止當作導航、障礙偵測或行動輔具替代。
- 鏡頭畫面經雲端助理處理時，企業與個人應留意影像與對話的隱私設定。
- 與 Apple VoiceOver Live Recognition 等系統級方案屬競品關係，採購應比較延遲、語言、離線能力與無障礙生態整合，而非只看單一發表會。
結語
Guided Vision 把「即時鏡頭理解」從示範功能推進成可日常啟動的無障礙工具，也提醒產業：真正可用的視覺 AI，往往取決於社區共創、安全邊界與系統整合，而不只是模型分數。香港企業若要打造數據可控的多模態／私有視覺助理，可參考 YSK Limited 的企業私有 LLM 全託管（年費 HK$88,000 起，Dataset → QLoRA／LoRA → 私有 API，數據不出境）（https://ysk.hk/services/ai-automation）。若要把類似能力做成 Android／iOS App 或場域導覽產品，亦可了解香港 APP 開發服務（https://ysk.hk/services/app-development）。
參考來源
- Google 官方：Guided Vision in Gemini Live: built for accessibility — https://blog.google/innovation-and-ai/products/gemini-app/guided-vision-gemini-live/
- The Verge：Google’s new Guided Vision feature can help you read the fine print — https://www.theverge.com/ai-artificial-intelligence/1003756/google-gemini-live-guided-vision