手机对着一瓶调料，包装上的小字却怎么也读不清。遇到这种情况，AI就算能识别图片，也得先拿到一张拍对了的图。对看不清取景框的人来说，把目标摆进画面，本身就可能有困难。
谷歌10月1日发布的Gemini Live新功能Guided Vision，补的就是这个环节。它在9月的Android更新中已有预告，这次有了更完整的使用说明。打开摄像头后，用户可以听它描述眼前的东西，也可以继续追问。
比较有意思的是镜头偏了怎么办。按照谷歌的说明，画面太靠上、物体离得过近或偏到一边时，Gemini会用声音提醒用户调整方向，例如慢慢向右挪、把手机往下倾，或者退后一点。News from Google官方账号发布的原图，介绍的正是这项视觉辅助功能。

这会改变人与AI之间的分工。原来读图前的工作通常由人完成：找到目标、摆进画面、检查字有没有糊。现在，其中一部分调整可以交给对话来引导。看不清取景框的人，也就多了一条把信息交给模型的路径。

9月，Android总裁Sameer Samat在X分享过一段官方演示。镜头里是几排小房子形状的调料罐，用户问：“能帮我找到牛至吗？”这次任务需要得到一处具体位置，方便用户继续找那只罐子。

Gemini接着提示：“从上往下第二层，左起第四个。”层数和左右次序，给了用户一个继续寻找的方向。找到罐子以后，读清标签上的某一行，又是下一项任务，可以继续追问哪些字没有看清。图中展示的是定位的操作方式；实际使用仍要确认目标，也不能从这段官方演示推算识别准确率。

入口的安排也挺实际。除了在Gemini应用设置里打开“Use Guided Vision in Live”，Android的无障碍快捷方式还可以把它设为快速入口，支持悬浮按钮或长按两个音量键等方式。使用TalkBack读屏的人，可以在菜单里选择Guided Vision。
少找几个按钮，对视力不便的使用者就可能少一道操作。这个功能是与盲人和低视力群体共同开发的，谷歌也把低光环境下读小字列为用途。普通用户从中得到的便利，是同一套无障碍设计顺带解决了日常的小麻烦。
使用时还得留意摄像头的状态。Gemini Live文档写明，离开应用或锁屏后，摄像头会关闭；回到应用、解锁手机，也不会自动恢复。这解释了一种可能的困惑：对话还在，但画面已经没有继续传过去了，需要重新打开摄像头。
目前的支持范围，是Android 9及以上、Gemini Live支持的地区和语言。帮助页同时提醒，这项功能还在逐步开放。因此，手机版本够新，也不代表账号马上就能看到入口，更不能理解成国内所有安卓手机都能直接使用。
至于边走边让它指路，谷歌划了明确界限：Guided Vision可能出错，不用于导航、障碍物检测，也不能替代手杖等行动辅助。读一张标签和判断下一步往哪里走，错误后果差得很远。这条限制应该跟功能一起理解。
这次更新值得看的是，它开始处理“用户怎样让AI看清楚”这个具体问题。后续判断它好不好用，可以看几件小事：方向提醒是否清楚，来回调整是否费劲，读不清时能否及时承认。等这些环节接得住，会认图的能力才更容易落到日常生活里。