谷歌Gemini Live上线实时视觉辅助功能

IT时代网10月2日消息，谷歌为Gemini Live加入一项面向无障碍场景的实时视觉辅助能力，命名为引领视界。

该功能允许用户共享摄像头画面，由Gemini实时给出动态的音频描述与自然的方位提示，帮助使用者了解周围环境。谷歌表示，这一功能是与盲人及低视力群体共同打磨完成的，目前已面向兼容的安卓设备推出。

与一次性的图片识别不同，实时画面共享强调的是连续交互：用户可以在移动中持续获得语音反馈，并通过口语追问细节。谷歌称，这类语音优先的实时视觉解读，把Gemini变成了一位可以对话的“视觉伙伴”。

无障碍场景一直是各家大模型落地的重点方向，实时画面理解对延迟与稳定性要求较高，也被视为检验多模态能力的一项指标。

编辑：林一舟