一台相機、一個聲音、一千位測試者：Google 的 Guided Vision 讓 Gemini Live 成為視障者的隨身嚮導

2026 年 10 月 1 日，Google 開始在相容的 Android 裝置上推出 Gemini Live 的 Guided Vision（引導視覺）功能——這是一個以語音為核心、即時的視覺判讀功能，為盲人、低視能使用者，或任何需要直覺視覺輔助的人而設計。在這個季節大多數 AI 產品發表都瞄準開發者與企業客戶之際，這項功能指向的卻是一個再日常不過的難題：當你無法可靠地看見眼前的螢幕——或整個房間——該如何在一個為明眼人設計的世界裡生活。

以前沿模型的標準來看，這次發表相當低調，但它可能是本季影響最深遠的 AI 部署之一。Guided Vision 實質上把一支普通的 Android 手機變成一位對話式的視覺夥伴，而且現在就能用——不是預覽版、不需要候補名單，而是在支援 Gemini Live 的每個地區、Android 9 以上裝置直接上線的正式功能。

Guided Vision 到底做些什麼

運作機制表面上很簡單：在 Gemini Live 對話中，使用者分享手機相機畫面，Gemini 隨即以語音描述周遭環境、回答詳細的後續問題，並且——這是最關鍵的差異——主動提供語音提示，幫助使用者把想探索的目標置於畫面中央。如果相機舉得太高、太近、或稍微偏到一邊，Gemini 會用自然的口語提示請你調整：慢慢向右平移、往下傾一點、退後一步。模型不只是在描述場景，而是在與拿著相機的人即時閉環溝通。

這補上了早期相機式 AI 描述工具的尷尬缺口：過去的工具通常只能回答「畫面裡剛好有什麼」的問題，使用者往往得自己猜測畫面到底有沒有用。Guided Vision 則把「取景」本身變成一場對話。

由 Gemini Live 資深產品經理 Isha Sheth 撰寫的官方公告，將功能圍繞在「快速視覺確認最關鍵」的日常任務上：

• 閱讀細小與複雜文字——食品包裝上的小字營養標示、家電旋鈕與洗衣機行程、光線昏暗餐廳裡的紙本菜單。
• 尋找與定位物品——掉在地板上的耳機、塞滿香料櫃裡的那罐黑胡椒。
• 描述物品與搭配細節——確認一件條紋襯衫能不能搭配某條褲子、辨識某件外套的顏色。
• 探索眼前環境——對陌生空間、房間格局、或桌上散落物品的整體描述。
• 用慣用語言自然對話——功能支援多種語言的對話。

這些沒有一項稱得上炫技，但每一項都是決定一個人能否獨立生活的微觀任務——而這正是經過對話與即時回應調校的通用多模態模型，能夠勝過單一用途專屬 App 的地方。

與 Aira「一起」打造，而不只是「為」社群打造

整個故事最有意思的部分，是模型的訓練與驗證方式。Google 與 Aira 合作——這是一家以串接盲人使用者與真人即時口述員聞名的視覺判讀服務——「以總計數萬小時的資料訓練 Gemini Live 的對話式真實場景判讀能力」。接著，Aira「可信測試者」網絡的超過 1,000 位成員在日常作息中對模型進行壓力測試與調校，Aira 的專家也直接與 Google 團隊合作，以領域專家的身分協助建立並評估安全防護。

這是無障礙 AI 開發的專業化：訓練資料來自一家深耕多年、真正瞭解盲人需求的服務，而測試網絡的規模足以讓模型暴露在真實廚房、餐廳、交通樞紐與衣櫃的混亂多樣性之中。Google也表示，這項功能反映了來自印度、巴西、新加坡、印尼、日本等地盲人與低視能社群的廣泛測試與回饋——目標正是讓描述、取景提示與回答聽起來自然，而非生硬直譯。

公告中引用了兩位測試者的背書。新加坡殘疾人士服務機構 SG Enable 創新副處長 Sally Khoo 指出，「標準手機通常是為看得到螢幕的明眼使用者設計的」，而即時視覺描述加上主動的語音取景引導，「可以弭平居家日常任務的關鍵缺口，從閱讀細小文字到尋找日常用品」。印度全國盲人協會的 Prashant Verma 則強調，「直接與使用多種印度語言的盲人及低視能使用者一起測試這些能力，確保這項技術在日常生活中提供可靠、實用的協助」。

三種進入方式，與刻意畫下的界線

功能的進入門檻刻意壓得很低，共有三種途徑。在 Gemini App 中，使用者開啟個人資料設定、打開「在 Live 中使用 Guided Vision」，然後在 Gemini Live 裡分享相機即可。在 Android 設定 > 協助工具 > 視覺輔助 > Guided Vision 之下，可以設定協助工具捷徑——浮動協助工具按鈕、雙指滑動手勢、或同時按下兩顆音量鍵。使用 TalkBack 的使用者則可以三指輕觸叫出 TalkBack 選單，直接選取 Guided Vision。

對於這項功能「不是什麼」，Google 同樣說得明白：Guided Vision 是一個可能出錯的輔助工具；它不是醫療器材、不是行動輔具、不能取代白手杖，也不適用於導航、安全行走指引或障礙物偵測。使用者應繼續依賴既有的行動輔具與安全行走慣例。這段免責聲明做了很多安靜而重要的工作：它畫出了「資訊輔助」（模型擅長的）與「人身安全」（絕不能單獨信任它的）之間的界線，也保護 Google 免於使用者因為聊天機器人說路是通的就走進車流的責任風險。

更大的圖像：主流模型正在吸收輔助科技

這次發表也標誌著一個值得觀察的策略轉向。專屬視覺輔助 App 與 Aira 這類真人口述服務已存在多年，往往需要訂閱費且長期累積成不小負擔。Guided Vision 則內建在標準 Gemini App 中，任何 Android 9 以上裝置皆可用，未另行收費，涵蓋所有支援 Gemini Live 的市場。當一個前沿等級的多模態模型成為平台功能，單一用途的輔助 App 將面臨與其他產品類別相同的商品化壓力——而 Aira 這類真人服務的殘餘角色，則轉向訓練、評估與邊緣案例。

還有 Google 自己點出的二階效應：無障礙功能歷來會外溢成通用工具。Guided Vision 被明確定位為對年長者、識字能力有限者、或任何在昏暗光線下想讀細小文字的人都實用。「路緣坡效應」——為身心障礙者設計的功能最終幫助所有人——是科技界最可靠的規律之一，而對話式相機嚮導幾乎是教科書級的範例。

最後，這次發表也透露 Google 對 Gemini Live 的定位：差異化不在聊天機器人排行榜，而在環境式、語音優先、相機輔助的日常協助。就在同一年、公司前沿模型 Gemini 4 Argon 以「僅限網路防禦者」的分階段推出登上頭條的同一週，Guided Vision 低調地把一個量產級多模態助手，放進了那些最需要它的人的口袋裡。

Guided Vision 現已在 Android 9 以上裝置推出，於支援 Gemini Live 的地區可用——將 Gemini App 與 Android 系統更新至最新版本即可開始使用。