Google 为 Gemini Live 推出 Guided Vision：它是什么以及如何运作

Guided Vision 将大型语言模型与实时摄像头输入整合，让 Gemini 能够充当活跃的对话伙伴。这超越了简单的物体识别，让用户能够提出后续问题并接收语音指示以调整摄像头视角，确保 AI 捕捉必要的视觉信息以提供准确的回复。强调对话互动旨在使工具更直观，更能适应用户需求。

与 Aira 的合作，包括分析数万小时的视觉解读数据，并与来自 Aira Trusted Tester 网络的 1,000 多名参与者进行测试，表明其专注于实际应用和安全性。Aira 专家直接协助制定和压力测试模型的安全防护措施，表明其努力解决动态视觉环境中可能出现的复杂性和潜在误解。这种合作结构提供了来自经验丰富用户和领域专家的反馈循环。

除了其主要应用于失明和低视力用户外，此功能还为老年人、识字率较低的人士或任何试图在光线不足下辨读文本的人士提供实用性。文章指出，印度、巴西、新加坡、印度尼西亚和日本的失明和低视力社区的反馈已被纳入，这表明其旨在实现更广泛的区域无障碍性以及在不同语言和文化背景下的实际应用。