カメラを向けて「ここに何がある?」と聞く。AIが説明するだけでなく、対象がうまく映っていなければ、カメラを動かす方向まで声で教えてくれる。Googleが2026年10月1日に発表したGuided Visionは、Gemini Liveに加わる視覚支援機能です。目が見えない人や見えにくい人とともに開発したとGoogleは説明しています。
注目したいのは、単に画像を認識できることではありません。AIに見せたいものを、うまく画面に収めるところから支援する点です。Googleの発表
何ができるのか:読む、探す、違いを聞く
Guided Visionは、スマートフォンのカメラで共有した周囲の様子について、音声で説明を受けながら質問を続ける機能です。Googleのヘルプでは、次のような用途を挙げています。
- 文字を読む・訳す:食品ラベルやメニューなどの文字を音声で確認する。
- 物を探す:周囲にある物を識別し、どこにあるかを聞く。
- 見た目を確かめる:服などの色、形、模様について質問する。
たとえば「この二つは何色?」と聞いたあと、説明を受けて別の点を確かめる、といった使い方が考えられます。これは会話のイメージです。Guided Visionの公式ヘルプ
新しさは「認識した結果」だけでなく「見せ方」の支援
画像認識を使うとき、撮影する人は、対象が画面に入っているか、近すぎないかを自分で判断しがちです。しかし、画面が見えにくい人にとって、その確認自体が難しいことがあります。
Guided Visionは、カメラの高さや向きが合っていないときにも、向け直すための音声案内を行います。Googleは視覚通訳サービスのAiraと協力して開発・評価したと説明しています。この協力は開発背景であり、利用のたびにAiraの人間が映像を見て答えるという意味ではありません。開発背景と音声案内の説明
一方で、「AIがカメラを見て答えることが初めて実現した」と捉えるのは不正確です。
| 比較する機能 | すでにできること | 今回、区別して見る点 |
|---|---|---|
| Gemini Liveのカメラ共有 | 見えているものを共有し、音声でやり取りする | Guided Visionは、その会話に視覚支援向けの音声案内を加える |
| Google Lookout | 文字の読み上げ、物の検出、画像の説明、撮影・物探しの案内。米国・英国・カナダの英語では画像について音声で追加質問もできる | Guided Visionは、Liveでカメラを共有し続けながら会話し、必要に応じて向け直しの案内を受ける。会話や撮影支援そのものが初めて登場したわけではない |
これは公式説明上の位置づけの比較です。認識精度や使いやすさを同じ条件で実測した比較ではなく、Lookoutを全面的に置き換えるとまでは言えません。Gemini Liveの機能、Lookoutの機能
何とつながるのか:Gemini LiveとAndroidの操作支援
Guided Visionは独立した業務システムではなく、Gemini Liveの中で使う機能です。設定で有効にし、Liveでカメラを共有して利用します。
起動方法も視覚支援に合わせて用意されています。Androidのユーザー補助ショートカットから呼び出せるほか、画面読み上げ機能のTalkBackのメニューからも開始できます。新しい機能を覚えるだけでなく、普段の操作方法から使い始められることがポイントです。起動方法とTalkBack連携
なお、Gemini Live全体にはカレンダーやタスクなどとの連携がありますが、Guided Visionが見た物を会社の在庫台帳へ自動登録する、といった一連の処理まで今回の発表で確認できたわけではありません。映像を理解する機能と、業務データを更新する連携は別の話です。Live全体の連携とアカウント条件
どう便利になるのか:説明するための負担が減る可能性
ここからは、機能を踏まえた考察です。
従来のテキスト中心のAIでは、「何に困っているのか」を利用者が文章にする必要がありました。しかし、そもそも目の前の物の名前や状態が分からないと、質問そのものを作りにくくなります。
映像を共有して会話できれば、物の名前を調べて入力する前に、その場の状況から確認を始められます。さらにカメラの向け方も支援されれば、「何が分からないかを説明するために、まず見えなければならない」という負担を減らせるかもしれません。
価値は、必ずしも作業時間の短縮だけではありません。必要なときに本人が確かめられる選択肢が増えることにもあります。ただし、使いやすさは本人の好みや環境によって異なります。人による支援や、すでに使い慣れた道具が不要になるという話ではありません。
仕事で使うなら何か:自動化より、目の前の確認を支える
業務での利用可能性を考えるなら、出発点は会社全体の自動化ではなく、働く人が日常的に行う「見る・読む・探す」の補助でしょう。
たとえば、視覚に頼って見分けている備品の特徴を聞くことや、印刷された案内を音声で確かめることが考えられます。これらは本記事で想定した応用例であり、Googleが公開した企業導入事例でも、Optiensの検証実績でもありません。
仕事で試す場合に確認したいのは、会社のアカウントで利用できるか、カメラに映す資料や人をどこまで共有してよいか、誤った説明が仕事にどの程度影響するかです。たとえば備品の色を聞くことと、出荷先や数量を確定することでは、必要な確認が違います。読み取れたというだけで、在庫・発送などの確定処理まで任せられるとは考えない方がよいでしょう。
利用条件と、任せてはいけないこと
Googleの発表では、対象はAndroid 9以降で、Gemini Liveが対応する地域・言語の端末です。ただしヘルプには段階的な提供とあり、条件に合っていても、まだ設定項目が表示されない場合があります。Geminiアプリと端末を更新したうえで、設定内のGuided Visionを確認するのが入口です。提供範囲、段階提供の案内
また、Googleは道案内、障害物の検知、白杖などの移動補助の代替には使わないよう明示しています。周囲を説明する機能と、安全に移動できることを保証する機能は同じではありません。
Guided Visionは「職場に導入すべきAIか」だけで測るより、AIへの入力そのものを、より多くの人が行いやすくする変化として見ると理解しやすい機能です。何でも自律実行するAIとは別の方向で、人とAIのやり取りを変える可能性があります。
