- 它可以透過相機和 Gemini Live 實現即時音訊描述。
- 其中包括協助調整行動裝置的角度以及提出後續問題。
- 它被設計成一款方便盲人或視力障礙人士使用的工具。
- 需要 Android 9 或更高版本，且不能取代傳統的助行裝置。
想像一下，你口袋裡能裝著一個人，即時為你描述周遭發生的一切。嗯，Google透過整合技術，基本上就實現了這一點。 Gemini Live 中的引導視覺這項功能打破了傳統的提問和等待答案的模式，現在我們只需透過相機鏡頭向人工智慧展示世界，即可與人工智慧進行互動。
這個工具並非簡單的靜態照片分析器，而是提出了一種… 流暢動態的對話 基於電腦視覺。雖然它對任何需要處理視覺細節的人來說都具有巨大的潛力，但它的核心和存在理由是… 盲人無障礙設施 或者對於視力受損的人來說，透過精確的語音指令，力求使環境更容易理解和掌控。
這項技術究竟是如何運作的？
這個過程很簡單：用戶啟動該功能， 共享攝影機訊號 使用 Gemini Live，人工智慧會分析即時影像，使用者可以就所看到的內容提出任何問題。它最強大的功能在於它允許用戶執行以下操作： 後續問題換句話說，如果 Gemini 識別出一罐果醬，您可以立即詢問它的保質期或成分，而無需重新開始查詢。
與其他工具不同，引導視覺能夠 引導手機的取景如果裝置指向過高、離物體過近或稍微偏離中心，助理會發出語音提示來修正它。 調整手機位置這樣可以確保人工智慧擁有必要的視覺訊息，從而避免在描述中出錯。
日常生活實用工具
這些應用種類繁多，涵蓋了我們日常生活中一些有時難以解決的問題。例如，它非常適合… 閱讀小寫字母 在營養標籤或藥品說明書等不易察覺的地方，它也很有用。 尋找遺失物品你可以把手機在房間裡移動，讓它在偵測到例如掉在地上的耳機或堆滿罐子的廚房裡的胡椒瓶時發出警報。
此外，該工具還深入探討了更主觀和美學的領域。引導視覺可以識別 圖案、形狀和顏色所以你可以問她條紋襯衫和某條褲子搭配是否好看，或是直接問她某件衣服是什麼顏色。她甚至可以… 住宿概況 不清楚或詳細說明桌子上放著什麼東西。
Android 配置和相容性
首先，最直接的方法是打開 Gemini 應用程序，前往個人資料設置，然後 選擇使用引導視覺的選項 直播。完成後，只需打開 Gemini Live 並共享相機即可。對於追求更快速度的用戶，Google 還提供了創建即時畫面的選項。 從輔助使用選單直接存取 （視覺輔助），可透過雙指手勢、浮動按鈕或同時按下兩個音量按鈕來啟動。
至於技術要求，該功能在以下設備上運作順暢： Android 9 或更高版本前提是 Gemini Live 提供使用者所需的語言和地區版本。用戶必須同時擁有作業系統和 Gemini 應用程式。 更新到最新版本此外，它已與…完全集成 Google TalkBack 最大限度地提高視障用戶的自主性。
開發過程和安全警告
這項進展並非偶然，而是與各方密切合作的結果。 Aira，視覺詮釋專家為了確保系統的真正可靠性，我們收集了數千小時的真實世界數據，並且得到了超過 來自 Trusted Tester 網路的 1.000 名測試人員確保人工智慧理解人們在日常生活中真正需要哪些資訊。
然而，谷歌在一點上態度堅決：這個工具 它不是醫療設備 也不是安全系統。該公司警告說，引導視覺系統可能會出錯，因此， 它不應用於導航。 在街上，它可以探測路上的障礙物，或取代導盲犬或拐杖的功能。它的用途是… 輔助視覺輔助這不是安全旅遊指南。
即時視覺技術的整合標誌著一種範式轉變，我們不再需要適應手機介面，而是人工智慧適應我們的環境。透過將先進的視覺識別技術與自然語音介面相結合，谷歌將手機轉變為… 智能伴侶 能夠讀取、識別和指導用戶應對任何日常情況。