Google incorporou Guided Vision a Gemini Live, unha nova función de accesibilidade que permite obter descricións faladas do contorno a través da cámara do móbil e manter unha conversa sobre o que aparece na imaxe. O sistema está dispoñible en dispositivos Android compatibles e está especialmente orientado a usuarios cegos ou con baixa visión.
A función permite compartir a cámara durante unha sesión de Gemini Live para recibir descricións dinámicas, formular preguntas sobre obxectos ou textos e obter indicacións verbais para axustar o encadre. Se a cámara está demasiado alta, demasiado preto ou desviada, Gemini pode pedir ao usuario que se desprace cara a un lado, incline o teléfono ou dea un paso atrás para conseguir unha visión máis axeitada.
Guided Vision foi desenvolvido coa colaboración da comunidade de persoas cegas e con baixa visión. Google traballou con Aira para adestrar Gemini Live mediante a interpretación visual de decenas de miles de horas de información e contou con máis de 1.000 membros da súa rede Trusted Tester para probar o sistema en situacións cotiás. Especialistas de Aira tamén participaron na definición e avaliación das medidas de seguridade.
Entre os usos previstos están a lectura de textos pequenos, etiquetas nutricionais, menús ou controis de electrodomésticos, así como a localización de obxectos. O usuario pode, por exemplo, pedir que busque uns auriculares no chan ou que identifique onde está un determinado ingrediente nun armario. Tamén pode consultar cores, formas e patróns para comprobar, por exemplo, se unha peza de roupa combina con outra.
Guided Vision permite igualmente solicitar descricións de espazos descoñecidos, da distribución dunha estancia ou dos obxectos situados sobre unha mesa. A función admite conversas en diferentes idiomas e foi probada con comunidades de persoas cegas e con baixa visión en países como India, Brasil, Singapur, Indonesia e Xapón.
A activación pódese facer desde a aplicación de Gemini, dentro da configuración do perfil, habilitando a opción Use Guided Vision in Live. Posteriormente, basta con iniciar Gemini Live e compartir a cámara. Android tamén permite configurar un acceso directo desde os axustes de accesibilidade, mediante o botón flotante, un xesto con dous dedos ou a pulsación simultánea dos dous botóns de volume. Os usuarios de TalkBack poden acceder á función desde o seu menú de accesibilidade.
Google advirte de que Guided Vision pode cometer erros e que debe considerarse unha ferramenta de asistencia, non un dispositivo médico nin un substituto do bastón branco ou doutras axudas de mobilidade. A función non está deseñada para a navegación, a detección de obstáculos ou a orientación segura durante os desprazamentos.
Guided Vision está dispoñible en dispositivos con Android 9 ou posterior, nos países e idiomas nos que Gemini Live é compatible. Requírese ter actualizadas tanto a aplicación de Gemini como o sistema Android.
