Google、Gemini Liveに視覚障がい者向けリアルタイム支援機能「Guided Vision」を導入
Googleは、ユーザーのライブカメラ映像をもとにリアルタイムで音声ガイダンスを提供する、Gemini Live向けのアクセシビリティ機能「Guided Vision」を発表しました。
詳細
- 仕組み: 起動すると、Geminiがライブカメラ映像を解析して説明的な音声フィードバックを提供。「ゆっくり右にパンしてください」「少し下がってください」といった言葉がけでフレーミングを能動的に最適化し、周囲の状況について自然な言葉で続けて質問することもできる
- 解決する課題: 栄養成分表示の読み取り、物の位置確認、色の識別、不慣れな場所での移動といった、視覚障がいのある人々の日常的な作業を支援する。Googleは高齢者や識字率の低い人々にも恩恵があるとしている
- 通常のGemini Liveとの違い: 一般的な会話ではなく、アクセシビリティ用途に特化したリアルタイムの視覚解釈と、再フレーミングのための言葉がけに重点を置く
- 開発体制: 視覚案内サービスを提供するAiraと提携し、1,000人以上の視覚障がいのあるテスターの協力を得て開発
- 提供状況: Gemini Liveに対応する互換性のあるAndroid端末(Android 9以降)で展開中。インド・ブラジル・シンガポール・インドネシア・日本などの地域で多言語対応
その後
Guided Visionは、Geminiのライブマルチモーダル機能をアクセシビリティに特化した用途へと広げるものです。OpenAIやAnthropicが最近、汎用チャットではなく具体的かつ限定的な人間のニーズにフロンティアモデルを適用する方向へ動いているのと同様の流れであり、GoogleがGemini 4 Argonを専門業務・セキュリティ向けに推し進めているのと同じ週の発表となりました。