Google เพิ่ม Guided Vision ให้ Gemini Live ช่วยบรรยายภาพแบบเรียลไทม์บน Android

Google เริ่มเปิดใช้ฟีเจอร์ Guided Vision ใน Gemini Live บนอุปกรณ์ Android ที่รองรับ โดยออกแบบมาให้ผู้ใช้แชร์ภาพจากกล้องเพื่อให้ AI ช่วยอธิบายสิ่งที่เห็นแบบเสียงแบบเรียลไทม์ ฟีเจอร์นี้เน้นการช่วยอ่านตัวหนังสือขนาดเล็ก อธิบายสภาพแวดล้อมรอบตัว ระบุหรือค้นหาวัตถุ และเจาะรายละเอียดของสิ่งที่กล้องจับได้

แนวคิดหลักของ Guided Vision คือทำให้ผู้ใช้สื่อสารกับโลกผ่านกล้องได้สะดวกขึ้น โดยเฉพาะในสถานการณ์ที่ต้องการความช่วยเหลือเฉพาะหน้า เช่น อ่านป้าย ตัวหนังสือบนบรรจุภัณฑ์ หรือดูรายละเอียดของวัตถุที่มองเห็นยาก การทำงานจะอาศัยการส่งภาพจากกล้องเข้าไปยัง Gemini Live แล้วให้ AI ตอบกลับด้วยคำอธิบายเสียง

Google วางตำแหน่งฟีเจอร์นี้ให้ใกล้เคียงกับเครื่องมือช่วยการเข้าถึงของค่ายอื่น เช่น VoiceOver Live Recognition บน iPhone และ Vision Pro ของ Apple ซึ่งสะท้อนว่าการแข่งขันด้านผู้ช่วย AI ไม่ได้มุ่งแค่การถาม-ตอบทั่วไป แต่กำลังขยายไปสู่การช่วยใช้งานในชีวิตประจำวันของผู้พิการทางการมองเห็นและผู้ที่มีสายตาเลือนรางด้วย

นอกจากนี้ Guided Vision ยังถูกกล่าวว่าไม่ได้จำกัดเฉพาะการใช้งานในแอป Gemini อย่างเดียว แต่มีการขยายการเข้าถึงไปยังส่วนอื่นด้วย แม้รายละเอียดการใช้งานเพิ่มเติมจะยังไม่ครบถ้วนในต้นฉบับก็ตาม โดยภาพรวมถือเป็นอีกก้าวของ Google ในการผสาน AI เข้ากับฟีเจอร์ด้านการเข้าถึง เพื่อให้สมาร์ตโฟนทำหน้าที่เหมือนผู้ช่วยส่วนตัวที่อธิบายสิ่งรอบตัวได้ทันที