Google 1 października 2026 r. udostępnił w Gemini Live funkcję Guided Vision, która na bieżąco opisuje głosem obraz z kamery telefonu i podpowiada, jak ją ustawić, żeby lepiej uchwycić to, o co pyta użytkownik. Narzędzie powstało z myślą o osobach niewidomych i słabowidzących, działa na smartfonach z Androidem 9 i nowszym, a do jego trenowania Google wykorzystał dziesiątki tysięcy godzin interpretacji wizualnej przygotowanych razem z firmą Aira.
- Google udostępnił 1 października 2026 r. funkcję Guided Vision w Gemini Live, która głosowo opisuje obraz z kamery telefonu i wydaje polecenia dotyczące kadru – np. prosi o przesunięcie aparatu w prawo lub pochylenie go w dół – zanim udzieli odpowiedzi, co rozwiązuje problem samodzielnego ustawienia kamery przez osoby niewidome.
- Do trenowania modelu Google wykorzystał dziesiątki tysięcy godzin danych z interpretacji wizualnej przygotowanych przez firmę Aira, a ponad 1000 członków programu Trusted Tester Airy testowało Guided Vision w codziennych czynnościach; funkcję testowano także ze społecznościami niewidomych i słabowidzących m.in. w Indiach, Brazylii, Singapurze, Indonezji i Japonii.
- Google wyraźnie zastrzega, że Guided Vision nie jest wyrobem medycznym, pomocą w poruszaniu się ani zamiennikiem białej laski i nie służy do nawigacji ani wykrywania przeszkód; funkcja działa na smartfonach z Androidem 9 i nowszym i nie wymaga instalowania osobnej aplikacji.
Ogłoszenie podpisała Isha Sheth, starsza menedżerka produktu odpowiedzialna za Gemini Live. Google opisuje Guided Vision jako rozmówcę, który pomaga zrozumieć otoczenie. Nie jest to więc kolejny tryb robienia zdjęć z automatycznym podpisem.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Gemini najpierw mówi, jak ustawić kamerę, a dopiero potem odpowiada
Guided Vision różni się od zwykłego udostępniania kamery w Gemini Live tym, że sam wydaje polecenia dotyczące kadru. Jeśli telefon jest skierowany za wysoko, za blisko albo lekko w bok, Gemini prosi głosem, żeby powoli przesunąć aparat w prawo, pochylić go w dół lub cofnąć się o krok. Odpowiedź pada dopiero wtedy, gdy model ma wystarczająco wyraźny obraz.
Dla osoby widzącej to drobiazg. Dla kogoś, kto nie widzi ekranu, właśnie ustawienie kamery bywa najtrudniejszą częścią korzystania z aplikacji opisujących otoczenie. Użytkownik może też zadawać pytania uzupełniające, a Gemini sam podsuwa wskazówki, żeby wycentrować obiekt, o który chodzi.
Sama nazwa nie jest nowa. Według Android Authority tryb wizualnych podpowiedzi w Gemini Live zadebiutował w 2025 r. razem z Pixelem 10, ale wtedy polegał głównie na zaznaczaniu na ekranie obiektów, o których toczyła się rozmowa. Latem 2026 r. ten sam serwis znalazł w kodzie aplikacji przełącznik „Guided vision in Live” i przygotowania do skrótu dostępności. Google oficjalnie zapowiedział funkcję 1 września 2026 r. we wrześniowej aktualizacji Androida (September Android Drop), a teraz udostępnił ją użytkownikom.
Aira i ponad 1000 testerów pomogli wytrenować i sprawdzić model
Google przygotował Guided Vision z amerykańską firmą Aira, która od lat oferuje osobom niewidomym usługę zdalnej interpretacji wizualnej: użytkownik łączy się przez kamerę telefonu z człowiekiem, który opisuje mu otoczenie. Współpracę obu firm ogłoszono podczas konferencji Google I/O w 2025 r.
Według wpisu Google współpraca przy Guided Vision wyglądała tak:
- Aira przygotowała łącznie dziesiątki tysięcy godzin danych z interpretacji wizualnej, na których uczono Gemini Live rozmowy w realnych sytuacjach,
- ponad 1000 członków programu Trusted Tester prowadzonego przez Airę testowało model w codziennych czynnościach,
- specjaliści Airy pracowali bezpośrednio z zespołami Google jako eksperci przy ustalaniu i ocenie zabezpieczeń.
Google podaje też, że funkcję testowały społeczności osób niewidomych i słabowidzących m.in. w Indiach, Brazylii, Singapurze, Indonezji i Japonii. Celem było dopracowanie opisów, wskazówek dotyczących kadru i odpowiedzi w różnych językach.
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
Etykiety, przyprawy i dobór ubrań: do czego Google przewiduje Guided Vision
Google wymienia cztery główne grupy zastosowań, w których szybkie potwierdzenie wzrokowe ma największe znaczenie:
- czytanie drobnego druku, np. etykiet z wartościami odżywczymi, pokręteł sprzętu AGD, programów pralki czy menu w słabo oświetlonej restauracji,
- szukanie przedmiotów, np. słuchawki, która upadła na podłogę, albo pieprzu w zatłoczonej szafce z przyprawami,
- opisywanie wyglądu rzeczy, czyli kolorów, wzorów i kształtów, np. czy koszula w paski pasuje do spodni,
- ogólny opis otoczenia, np. układu nieznanego pomieszczenia albo przedmiotów rozłożonych na stole.
Google zaznacza, że z funkcji mogą korzystać także starsze osoby, osoby mające trudności z czytaniem oraz każdy, kto próbuje odczytać drobny tekst przy słabym świetle.
Najciekawsze w Guided Vision nie są same opisy, bo te od kilku lat oferuje wiele aplikacji. Ciekawe jest to, że model przejmuje inicjatywę i mówi, co zrobić z telefonem, zanim odpowie. To rozwiązuje prawdziwy problem, a nie problem wymyślony na potrzeby prezentacji.
Widzę jednak dwa znaki zapytania. Pierwszy to wiarygodność przy drobnym druku. Pomyłka przy kolorze kurtki nic nie kosztuje, ale pomyłka przy składzie produktu, terminie ważności albo ulotce leku może mieć poważne skutki, a Google sam przyznaje, że funkcja może się mylić. Drugi to prywatność. Sprawdziłem wpis Google i nie znalazłem w nim informacji o tym, jak przetwarzany i przechowywany jest obraz z kamery, która w tym przypadku pokazuje czyjś dom, dokumenty i codzienne życie.
Jest też wątek, który obserwuję z dużym zaciekawieniem. Aira zbudowała biznes na ludziach, którzy opisują świat niewidomym, a teraz jej dane uczą model, który robi to bez człowieka po drugiej stronie. Czy to przyszłe uzupełnienie usługi, czy jej stopniowe zastąpienie? Tego na razie nikt otwarcie nie mówi.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Guided Vision można włączyć na trzy sposoby
Google przygotował trzy ścieżki uruchamiania funkcji, w tym dwie niewymagające szukania przycisków na ekranie:
- Aplikacja Gemini: w ustawieniach profilu trzeba włączyć opcję „Use Guided Vision in Live”, a następnie otworzyć Gemini Live i udostępnić kamerę.
- Skrót dostępności Androida: w Ustawieniach, w sekcji Ułatwienia dostępu, a potem Wspomaganie widzenia, można przypisać Guided Vision do pływającego przycisku dostępności, przesunięcia dwoma palcami albo jednoczesnego przytrzymania obu klawiszy głośności.
- TalkBack: użytkownicy czytnika ekranu Google TalkBack mogą stuknąć ekran trzema palcami, otworzyć menu i wybrać Guided Vision bezpośrednio.
Google zaleca zaktualizowanie aplikacji Gemini i systemu Android do najnowszych wersji.
Google zastrzega wprost: to nie jest zamiennik białej laski ani nawigacja
Google wyraźnie ogranicza zastosowanie Guided Vision do pomocy w czynnościach domowych i codziennych, a nie w poruszaniu się po mieście. Firma pisze, że jak każda technologia generatywnej AI funkcja może popełniać błędy i ma charakter pomocniczy.
„Nie jest wyrobem medycznym, pomocą w poruszaniu się ani zamiennikiem białej laski” / „It is not a medical device, mobility aid, or white cane replacement”
Według Google Guided Vision nie służy też do nawigacji, wskazówek dotyczących bezpiecznego przemieszczania się ani wykrywania przeszkód. Użytkownicy mają nadal polegać na sprawdzonych pomocach i zasadach bezpiecznego poruszania się. To rozsądne zastrzeżenie, bo model, który z opóźnieniem lub błędnie opisze schody, może zrobić więcej szkody niż jego brak.
Gemini wchodzi na rynek, na którym działają już Be My Eyes i Aira
Skala potencjalnych odbiorców jest ogromna. Według Światowej Organizacji Zdrowia (WHO) co najmniej 2,2 mld ludzi na świecie ma zaburzenia widzenia z bliska lub z daleka, a większość osób z poważnymi zaburzeniami wzroku i ślepotą ma ponad 50 lat.
Google nie wchodzi jednak na pusty rynek. Duńska aplikacja Be My Eyes, która łączy osoby niewidome z wolontariuszami przez wideo, w 2023 r. dodała asystenta Be My AI opartego na modelu GPT-4 od OpenAI. W marcu 2026 r. firma informowała o ponad 10 mln wolontariuszy i ponad milionie niewidomych i słabowidzących użytkowników. Na rynku działają też m.in. Microsoft Seeing AI, Google Lookout, Envision oraz płatna usługa Airy z ludzkimi interpretatorami.
Przewaga Google polega na dystrybucji. Guided Vision nie wymaga instalowania osobnej aplikacji, jest wbudowany w Gemini i skróty systemowe Androida, a wymaganie Androida 9 obejmuje także wiele starszych i tańszych telefonów. Gemini Live od 2025 r. obsługuje ponad 45 języków.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Funkcja powinna działać w Polsce, ale Google nie wymienia polskich testerów
Google podaje, że Guided Vision jest dostępny na Androidzie 9 i nowszym w regionach i językach, w których działa Gemini Live. Gemini Live obsługuje język polski, więc zgodnie z tymi warunkami funkcja powinna trafić także do polskich użytkowników, choć jak zwykle w przypadku Google udostępnianie może odbywać się stopniowo.
Wśród krajów, w których funkcję testowano z osobami niewidomymi i słabowidzącymi, Google nie wymienia Polski. Nie wiadomo więc, jak dobrze Guided Vision radzi sobie z polskimi etykietami, opakowaniami, ulotkami czy menu. To właśnie te szczegóły zdecydują, czy narzędzie przyda się w codziennym życiu.
Grupa potencjalnych odbiorców w Polsce jest duża, choć dokładnej liczby nikt nie zna. Uniwersytet Warszawski szacuje liczbę osób z uszkodzeniem wzroku na ponad 500 tys., a dane przytaczane przez serwis mp.pl, oparte m.in. na Europejskim Ankietowym Badaniu Zdrowia, wskazują ponad 1,65 mln osób z niepełnosprawnością wynikającą z uszkodzenia lub choroby narządu wzroku. Rozrzut wynika z różnych definicji. Jeśli dodać starzejące się społeczeństwo i osoby, którym po prostu trudno przeczytać drobny druk, darmowa funkcja w telefonie, który wiele osób już ma w kieszeni, może mieć realne znaczenie.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym oficjalnego wpisu Google: Guided Vision in Gemini Live z dnia 01.10.2026 oraz zapowiedzi September Android Drop z 01.09.2026 i danych Światowej Organizacji Zdrowia. Do weryfikacji wykorzystano także publikacje Android Authority, Unite.AI, materiały o Be My Eyes oraz polskojęzyczny wpis Google o obsłudze języka polskiego w Gemini Live.
Cytat z zastrzeżeń Google został zweryfikowany z oryginalnym anglojęzycznym wpisem firmy.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o dostępności i działaniu Guided Vision w Gemini Live.
