Apuntar el celular hacia una etiqueta, un objeto o una habitación puede convertirse en una conversación. Gemini Guided Vision es la nueva función de Google capaz de explicar en voz alta qué tiene delante y responder preguntas relacionadas con aquello que capta.
La herramienta está pensada principalmente para personas ciegas o con baja visión. Puede ayudar a leer letras pequeñas, reconocer colores, encontrar elementos cercanos y comprender la distribución de un espacio. Además, indica cómo mover el teléfono cuando necesita obtener una perspectiva más clara.
Gemini Guided Vision puede decirte hacia dónde mover la cámara
La función opera dentro de Gemini Live mientras se comparte la imagen en tiempo real. Describe el entorno mediante audio y permite continuar preguntando acerca de lo que aparece en pantalla, sin necesidad de tomar primero una fotografía.
Entre sus posibilidades está localizar algo difícil de encontrar. Si un auricular cayó al suelo, por ejemplo, basta con recorrer la zona para que la inteligencia artificial examine la escena. El mismo sistema sirve para consultar una etiqueta, distinguir tonalidades o conocer qué hay alrededor.
Cuando aquello que se busca queda fuera del encuadre o no se aprecia con suficiente claridad, Gemini puede intervenir. Según la explicación oficial de Google, el asistente puede pedir que el teléfono se desplace hacia un lado, se incline o se aleje hasta conseguir una vista más útil.
Gemini Guided Vision reduce así la necesidad de acertar con la posición desde el primer intento. La IA acompaña la exploración y propone ajustes a medida que recibe nuevas imágenes.
Google desarrolló esta capacidad junto con Aira, compañía especializada en interpretación visual. Más de 1.000 integrantes de su red Trusted Tester participaron en las pruebas. Especialistas de la organización también intervinieron en la evaluación de las medidas de seguridad.
Leer letras pequeñas es solo una de sus posibilidades
Un menú con poca iluminación, el envase de un alimento o los controles de un electrodoméstico son algunos de los escenarios planteados por Google. También es posible consultar formas, patrones y colores mientras continúa la interacción.
La asistencia hablada puede acompañar el recorrido por una zona hasta localizar lo solicitado, en lugar de reconocer únicamente aquello que ya está centrado. Entre los ejemplos mostrados por la compañía están hallar pimienta dentro de un especiero lleno o recuperar un auricular perdido.
Gemini Live ya podía interpretar imágenes y escenas captadas por el celular. Sus funciones visuales permiten mantener conversaciones sobre aquello que muestra la cámara. La novedad, entonces, no consiste simplemente en darle acceso a la cámara.
Con Gemini Guided Vision cambia el tipo de interacción. Las descripciones habladas se combinan con preguntas sucesivas e indicaciones para corregir el encuadre. Esto reduce la dependencia de mirar la pantalla o saber exactamente hacia dónde dirigir el dispositivo.
El despliegue en Android será gradual
La novedad está llegando a equipos con Android 9 o posteriores en regiones e idiomas compatibles con Gemini Live. Su distribución será progresiva, por lo que cumplir los requisitos no garantiza que aparezca inmediatamente en todos los celulares.
Una vez habilitada, se activa desde los ajustes de la app de Gemini mediante la opción “Usar Visión guiada en Live”. Después se inicia una conversación y se comparte la cámara. Android ofrece un acceso desde las opciones de accesibilidad, mientras TalkBack incorpora una entrada específica en su menú.
Google advierte que las respuestas pueden contener errores. Esta tecnología no debe emplearse para navegar, detectar obstáculos, tomar decisiones médicas ni reemplazar ayudas para la movilidad. El análisis mediante inteligencia artificial tampoco garantiza que todos los componentes presentes sean identificados correctamente.
Gemini Guided Vision está diseñada para proporcionar información hablada acerca de aquello que observa el celular y facilitar consultas relacionadas. No determina si un recorrido es seguro ni sustituye sistemas especializados de asistencia visual.
Imagen: ENTER.CO / Generada con IA (ChatGPT)
