10 月 2 日，Google 在官方博客发布了 Guided Vision：Gemini Live 的一项实时视觉辅助功能，本周起面向 Android 版 Gemini 应用陆续推送。它的定位很明确——和盲人及低视力社区一起打造，让手机摄像头成为一双会说话的「眼睛」。
这不是又一个炫技 Demo。过去的「AI 看图」是拍一张照片、等几秒、读一段描述；Guided Vision 是连续、对话式的：你把摄像头对着周围环境，它实时用语音讲给你听，还能纠正你的取景姿势。这篇文章帮你判断：它适合谁、怎么开、怎么用出效果。
一、它和普通 Gemini Live 有什么不同
很多人已经在用 Gemini Live 语音对话，Guided Vision 是在此之上叠加的一层视觉能力。两者的关系可以概括成下表：
| 维度 | Gemini Live（原有） | Guided Vision（新增） |
|---|---|---|
| 交互方式 | 纯语音对话 | 语音对话 + 实时摄像头画面 |
| 视觉能力 | 只能看你主动上传的照片 | 持续理解共享的摄像头画面 |
| 输出 | 回答问题 | 主动描述环境、定位物体、朗读文字、取景纠偏 |
| 目标用户 | 所有人 | 盲人、低视力人群，以及需要「第二双眼睛」的场景 |
关键区别在于主动性和连续性：你不需要反复拍照上传，边走边问就行——「前面路口有什么」「我桌上那串钥匙在哪」「这瓶药的说明书写了什么」。
二、怎么开启（四步）
根据 Google 官方支持文档，开启路径如下：
- 更新 Gemini 应用：把 Android 上的 Google Gemini 应用更新到最新版本（功能正陆续推送，找不到开关属正常现象，等几天再试）。
- 打开总开关：进入 Gemini 应用 → 点左上角头像进入个人资料设置 → 找到 「在 Gemini Live 中使用 Guided Vision」（Use Guided Vision in Live） 并开启。
- 进入 Live 并共享摄像头：开启 Gemini Live 对话后，选择共享摄像头，画面就会实时传给模型。
- （可选）设快捷入口：在系统的无障碍设置里把 Guided Vision 加进无障碍快捷方式，长按音量键之类的组合就能快速唤起。
需要说清楚的一点：官方发布日是 10 月 2 日，推送是分批进行的。今天还没有这个开关，不代表你的机型不支持，先更新应用、过几天再看。
三、五大实用场景
Guided Vision 的能力可以拆成四件事：描述环境、定位物体、朗读文字、纠正取景。落到生活里，至少这五类场景立刻能用：
- 室内找物：「帮我找找遥控器」「抽屉里有没有剪刀」——对它说出目标，它会引导你把摄像头移过去并确认位置。
- 阅读小字：药瓶标签、食品配料表、票据上的小字，凑近了它会主动提示「再往后退一点」，然后逐句读给你听。
- 出行辅助：在陌生环境里问「我左边和右边分别有什么」「前面有台阶吗」，获得持续的语音描述。
- 厨房与家务：看菜谱步骤、确认调料瓶、检查食物是否变色，「第二双眼睛」的价值很高。
- 帮家人远程把关：视力尚可的你也可以用它——帮远方的父母检查燃气阀门、看快递单信息，摄像头共享 + 语音引导比视频通话里反复「往左一点」高效得多。
四、怎么提问效果最好
它是为对话设计的，问法越具体，反馈越准。几条实测有效的提问模板：
- 先给目标，再给范围：「我要找钥匙，先看看这个房间的桌面和沙发缝」。
- 朗读类任务说清楚需求：「读一下这个标签上的用法用量，只要这一部分」。
- 不确定时直接问环境：「简单描述一下我现在面对的场景，有什么需要注意的障碍物」。
- 听不清就打断它：像和人说话一样随时插话纠正，「不是那瓶，左边那瓶」。
五、注意事项与常见问题
Q：它能替代盲杖或导盲犬吗？
不能，官方明确这么表态。 看 MIXED Reality News 的报道，Google 强调 Guided Vision 是辅助工具，不是导盲杖的替代品。出行安全仍以传统辅具和训练为准。
Q：耗不耗电？要不要一直联网？
连续视频流 + 语音交互，耗电和流量都明显高于普通对话，长时间外出建议带充电宝。网络要求请以你所在地区的 Gemini Live 可用性为准。
Q：画面会保存在 Google 吗？
实时视觉功能的隐私政策与 Gemini Live 一致，具体数据保留设置可以在 Gemini 应用的隐私选项里查看和管理。涉及身份证件、他人隐私的画面，谨慎共享。
Q：iOS 能用吗？
目前官方信息集中在 Android 版 Gemini 应用，iOS 支持时间未公布，耐心等待后续推送。
小结
Guided Vision 的意义不在于模型又多看了几张图，而在于交互形态变了：从「拍照→等待→读结果」变成「边走边问、实时纠正」。这类与无障碍社区共同打磨的功能，往往是多模态能力真正成熟的标志——为视障人群设计的取景纠偏，对所有在昏暗环境里找东西的人同样有用。如果你的 Android 手机已经收到推送，值得花十分钟试试；还没收到的，先把应用更新到最新版再等一等。
参考来源：The Keyword（Google 官方博客）、The Verge、Android Authority、Google 无障碍支持文档