Google 在 10 月 1 日替 Gemini Live 加了一個叫「引導視覺」（Guided Vision）的功能：你把手機鏡頭對著東西，它會一邊唸出看到了什麼，一邊用講的叫你把手機往右移一點、往下傾一點，直到畫面對準為止。不用先拍照、也不用打字描述。這篇把它能做什麼、三種開啟方式、台灣和 iPhone 能不能用，還有官方自己寫的那段限制，一次講清楚。
引導視覺是什麼？Gemini Live 這次多了什麼
引導視覺是 Gemini Live 裡的一個開關，打開之後你分享鏡頭，Gemini 會即時描述畫面，而且會主動出聲告訴你怎麼移動手機。這是它跟以前最大的差別：過去你得自己把東西拍清楚，現在換它來指揮。
官方寫的提示就是這幾句——「慢慢往右移」、「往下傾一點」、「往後退一點」。鏡頭太高、太近、或是偏到旁邊，它都會先講出來，你照著做，它才接著回答你的問題。
這個功能是 Google 跟視障與低視力社群一起做的。他們找了 Aira 合作，累積了幾萬小時的視覺解讀資料，再請 Aira 受信任測試員網路裡超過 1,000 位成員，拿日常生活場景去反覆測試、調整模型，Aira 的專家也直接跟 Google 團隊一起訂安全規範。發布這篇的是 Gemini Live 資深產品經理 Isha Sheth，文章裡那句話我覺得寫得很好：
「科技最有力量的時候，是它為每一個人打開世界。」
Gemini Live 本身不是新東西，之前官方就陸續加過用講的就把信箱和行事曆清完這類更新；引導視覺是把「鏡頭」這條線再往前推一步。
引導視覺能幫你做什麼？官方列的 4 種場合
官方直接列了四種：讀小字、找東西、描述細節、環境概覽。共同點都是「用看的比用問的快，但你剛好看不清楚」的那種時刻。
- 讀小字和複雜文字：食品包裝上的營養標示、家電和洗衣機的旋鈕刻度、昏暗餐廳裡印得很小的菜單。
- 找東西、定位東西：掉在地上的一邊耳機、擠滿瓶罐的香料櫃裡那罐黑胡椒。
- 描述物品和比對細節：問顏色、問花紋、問這件條紋襯衫配不配這條褲子。
- 看一下環境：陌生空間的概況、房間格局、桌上散著哪些東西。
官方也講得很直白：像多數無障礙功能一樣，這個功能對長輩、對識字不多的人、或是任何在昏暗燈光下想看清楚小字的人，一樣有用。它不是只給視障者的功能。
引導視覺怎麼開？3 種開法
開啟的位置在 Gemini App 的個人檔案設定裡，找到「Use Guided Vision in Live」把它打開就好。另外還有兩種更快的叫出方式，給比較常用的人。
- 從 Gemini App 開：打開 Gemini App，進個人檔案設定，開啟「Use Guided Vision in Live」，然後進 Gemini Live、點一下分享鏡頭。
- 設成 Android 無障礙捷徑：到「設定 > 無障礙 > 視覺輔助 > 引導視覺」，把無障礙捷徑設起來，之後可以用螢幕上的浮動按鈕、兩指滑動手勢、或是同時按住兩顆音量鍵直接叫出來。
- 從 TalkBack 選單進去：已經在用 Google TalkBack 的人，三指輕觸叫出 TalkBack 選單，裡面直接選引導視覺。
我會建議第二種那個「同時按兩顆音量鍵」一定要設。要長輩記住「打開哪個 App、點哪一欄設定」太難了，但「兩顆音量鍵一起按」他們記得住。
台灣能用嗎？iPhone 有沒有？
先講 iPhone：目前沒有。官方寫的是「Android 9 以上的裝置」，這一輪只在 Android 上。台灣的部分，官方沒有逐一列國家，只寫「在 Gemini Live 有支援的地區和語言」都能用，所以最準的做法是自己打開手機看開關在不在。
開之前先確認這三件事：
- 手機系統是 Android 9 以上。
- Gemini App 和 Android 系統軟體都更新到最新版——官方特別把這句寫進文章結尾，代表版本沒跟上就是會找不到。
- 進 Gemini App 的個人檔案設定看那個開關在不在。功能是分批推送的，看得到才代表推到你這支了。
另外官方提到，這個功能的語言測試回饋來自印度、巴西、新加坡、印尼、日本等地的視障與低視力社群。這是測試來源，不是上市國家名單，別直接當成「這幾國才有」來看。
官方自己說它「不是什麼」
這段是我整篇看下來覺得最該讀的地方，而且是 Google 自己寫的。原文大意是：引導視覺是輔助工具、會出錯，它不是醫療器材、不是行動輔具，也不能取代白手杖；它不是設計來做導航、安全通行指引或障礙物偵測的，使用者在實體環境裡應該繼續依賴原本的行動輔具和安全移動習慣。
我自己的看法是，這種話一家公司願意寫在發布文章裡，比多講三個功能更值得信。AI 描述畫面本來就會有誤差，一個把「我不能做什麼」講得這麼清楚的功能，反而讓人知道該在什麼地方放心用、什麼地方不能賭。
- 可以放心用的：讀標示、找東西、問顏色——答錯了你最多再問一次，成本很低。
- 不能賭的：過馬路、判斷前面有沒有障礙物、在陌生環境靠它走路。這些官方自己說不在設計範圍內。
我會先開給誰用？
我第一個想到的不是自己，是爸媽。
我之前寫過一篇爸媽打字慢又不會用 AI？3 步驟教長輩用「講的」問，講的就是先把「打字」這一關拿掉，長輩才進得去。引導視覺是同一條路再往前一步——連「要講什麼」都不用先想好，鏡頭對著，它會自己開口問你要看什麼、再教你怎麼移。
真實一點的場景大概是這樣：藥罐上的劑量字小到看不到、家裡新的洗衣機旋鈕上都是圖示看不懂、餐廳燈光暗菜單看不清楚。這三種全部落在官方列的「讀小字」那一格，而且全都是長輩每天會遇到、又不好意思一直叫人幫忙的事。
所以我的做法會是：幫他們開好開關、把「按兩顆音量鍵」設起來、當場陪他們對著桌上的東西試一次。設定這件事交給年輕人做一次就好，他們要記的只有一個動作。
小結
引導視覺的重點不在「AI 又會看圖了」，在於它終於肯反過來指揮你把鏡頭擺好。對看不清楚的人來說，卡關的從來不是 AI 不夠聰明，是自己對不準。
要做的事只有三步：更新 Gemini App 和系統、到個人檔案設定打開引導視覺、再把兩顆音量鍵的捷徑設起來。設完記得自己先試一次，確定你家那支手機真的推到了。
延伸閱讀
本文整理改寫自 Google 官方部落格 The Keyword，2026 年 10 月 1 日〈Guided Vision in Gemini Live: built for accessibility〉，作者 Isha Sheth（Gemini Live 資深產品經理）：官方原文。文中引用的官方圖片版權屬 Google 所有。
留言
張貼留言