گوگل قابلیت «بینایی هدایت‌شده» یا Guided Vision را در بستر دستیار تعاملی Gemini Live معرفی کرده است. این قابلیت به کاربران اجازه می‌دهد با استفاده از دوربین گوشی، محیط اطراف خود را به‌صورت زنده با هوش مصنوعی به اشتراک بگذارند و در جریان یک مکالمه، راهنمایی‌های لحظه‌ای دریافت کنند.
Guided Vision چگونه کار می‌کند؟
کاربر می‌تواند هنگام گفت‌وگوی صوتی با Gemini، دوربین دستگاه را فعال کند تا دستیار تصویری از محیط پیرامون داشته باشد. به این ترتیب، تعامل با هوش مصنوعی تنها به متن یا صدا محدود نمی‌شود و Gemini می‌تواند بر اساس آنچه دوربین نشان می‌دهد، بازخورد ارائه کند.
این قابلیت چه کاربردهایی دارد؟
بر اساس این خبر، یکی از کاربردهای Guided Vision، ارائه راهنمایی درباره تعمیر وسایل خانه است. کاربر می‌تواند دوربین گوشی را به سمت وسیله مورد نظر بگیرد و درباره روند تعمیر از Gemini راهنمایی دریافت کند. این قابلیت همچنین برای چیدمان وسایل خانه کاربرد دارد و می‌تواند در زمان بررسی محیط، بازخورد آنی ارائه دهد.
ترکیب دوربین و مکالمه صوتی روان، امکان دریافت کمک تعاملی در موقعیت‌های روزمره را فراهم می‌کند. در این تجربه، کاربر ضمن نشان دادن محیط به Gemini، پرسش‌های خود را مطرح می‌کند و پاسخ‌ها را در همان روند گفت‌وگو دریافت می‌کند. متن خبر درباره جزئیات فنی بیشتر، نحوه دسترسی یا زمان عرضه این قابلیت اطلاعاتی ارائه نکرده است.