Google 為 Gemini Live 推出 Guided Vision：這是甚麼？如何運作？

Guided Vision 將大型語言模型與實時鏡頭輸入整合，讓 Gemini 能夠充當活躍的對話夥伴。這超越了簡單的物件識別，讓使用者能夠提出後續問題並接收語音指示以調整鏡頭視角，確保 AI 捕捉必要的視覺資訊以提供準確的回應。強調對話互動旨在使工具更直觀，更能適應使用者需求。

與 Aira 的合作，包括分析數萬小時的視覺解讀數據，並與來自 Aira Trusted Tester 網絡的 1,000 多名參與者進行測試，表明其專注於實際應用和安全性。Aira 專家直接協助制定和壓力測試模型的安全防護措施，表明其努力解決動態視覺環境中可能出現的複雜性和潛在誤解。這種合作結構提供了來自經驗豐富的使用者和領域專家的反饋循環。

除了其主要應用於失明和低視力使用者外，此功能還為老年人、識字率較低的人士或任何試圖在光線不足下辨讀文字的人士提供實用性。文章指出，印度、巴西、新加坡、印尼和日本的失明和低視力社群的反饋已被納入，這表明其旨在實現更廣泛的區域無障礙性以及在不同語言和文化背景下的實際應用。