Gemini Live bude nevidomé navádět hlasem, aby telefon namířili na správnou věc

Zářijová dávka novinek pro Android, kterou Google zveřejnil 1. září, má pět položek. Čtyři z nich míří na kohokoli: poznámky Keep uvnitř zpráv, vlastní pozadí konverzace, hlídání odložených věcí přes Find Hub a bubliny proti nevolnosti z jízdy. Pátá je jiná. Guided vision je funkce asistenta Gemini Live pro lidi, kteří na displej nevidí, a Google u ní píše, že ji navrhoval s nevidomými a slabozrakými, ne jen pro ně.

Sama věc zní prostě. Uživatel sdílí s Gemini Live obraz z fotoaparátu a zeptá se, co je před ním. Google jmenuje tři situace, na které to má být: drobné písmo na etiketě potraviny, jídelní lístek v šeru restaurace a hledání předmětu v domácnosti. Server Android Authority popisuje ukázku, ve které člověk míří telefonem na polici s kořením a nechá si poradit, kde stojí oregano.

Nové je navádění, ne popis

Popsat obraz z kamery uměl Gemini Live už předtím; sdílení kamery i obrazovky přibylo do asistenta loni. Guided vision k tomu přidává krok, který v tom chyběl a bez kterého je celá věc k ničemu právě tomu, kdo ji potřebuje nejvíc: mířidlo. Když záběr nesedí, ozve se hlas a řekne, jestli má člověk telefonem pohnout, přejet jím po místnosti, nebo předmět vystředit. Teprve pak přijde na řadu odpověď.

Spouštět se to má třemi cestami. Zkratkou mezi funkcemi přístupnosti, z nabídky odečítače obrazovky TalkBack, nebo přímo v nastavení aplikace Gemini. Google slibuje telefony s Androidem 9 a novějším ve všech zemích, kde Gemini funguje. Česko na tom seznamu je a asistent se sem stěhuje i tím, že Google od 4. září vypíná starého Asistenta. Datum v oznámení ale není. Stojí v něm jen „coming soon“. Dvě z ostatních čtyř novinek jsou přitom k mání hned: témata konverzací v Google Messages a poznámky Keep uvnitř zpráv, jejichž nasazování začalo v den oznámení.

Poznámka pod čarou říká, co to není

Pod oznámením visí věta, kterou vykreslená stránka schová až úplně dolů: „Guided vision can make mistakes. Not intended as a medical device, mobility aid, or substitute for safe-travel guides.“ V překladu: funkce se může mýlit a není zdravotnickým prostředkem, pomůckou pro samostatný pohyb ani náhradou průvodce bezpečnou cestou. Poslední věta poznámky je ještě adresnější a říká, že se Guided vision nemá používat na orientaci v prostoru ani na hledání překážek.

To omezení není formalita a stojí za to číst ho doslova. Guided vision má říct, co je v záběru, ne kudy jít. Bílou hůl, vodicího psa ani nacvičenou trasu tedy nenahrazuje a Google si to sám ohraničil dřív, než funkci vůbec vydal. Že se model plete, je u popisu obrazu známá věc; rozdíl je v tom, jak draho to vyjde. U jídelního lístku je špatně přečtená položka nepříjemnost. U schodů něco jiného.

Osm let popisování okolí

Google se o totéž pokouší od roku 2018. Tehdy, 8. května, ohlásil aplikaci Lookout: telefon měl uživatel nosit na šňůrce na krku nebo v náprsní kapse tak, aby fotoaparát koukal ven, a aplikace mu hlásila, co míjí – text, předměty, lidi. Zpracování běželo v přístroji, takže Lookout fungoval bez připojení. Ven se ale dostal až 13. března 2019, deset měsíců po oznámení, a to jen na Pixely a jen ve Spojených státech.

Druhý pokus přišel v září 2024 a mířil jinam: ne na svět kolem telefonu, ale na obrázky na displeji. Odečítač TalkBack do té doby popisoval obrázky bez alternativního textu malým modelem jménem Garcon a výsledek byl podle Googlu krátký a obecný. Gemini Nano to změnil – z „úplňku nad oceánem“ se stal „panoramatický pohled na budovu Opery a Harbour Bridge ze severního břehu Sydney“. V témž zápisu stojí číslo, které o problému řekne víc než popis funkce: běžný uživatel TalkBacku narazí za den na devadesát neoznačených obrázků.

Zajímavé je, jak se tehdy rozhodovalo o rychlosti. Gemini Nano bere obrázky ve dvou rozlišeních, 512 nebo 768 bodů. Menší z nich vydá první slovo skoro o dvě sekundy dřív, jenže popis je chudší. Vývojáři vybrali to větší a delší čekání schovali tím, že slova posílají do hlasového výstupu průběžně, ne až po dopsání celé věty.

Co oznámení nechává otevřené

Tři věci Google nenapsal. Neřekl, kdy Guided vision vyjde, v jakých jazycích bude navádět, ani jestli počítá v telefonu, nebo na jeho serverech. Česko je na seznamu zemí, kde Gemini běží, a čeština je mezi jazyky, kterými asistent umí mluvit; jestli česky poradí i s mířením, z oznámení nevyčtete.

Ve zpětném pohledu je na té osmileté řadě vidět, že se pokaždé posunul jiný díl. Lookout uměl popsat okolí, ale chtěl po člověku, aby telefon nosil zavěšený na krku. TalkBack popisuje to, co je na displeji, a tam se mířit nemusí. Guided vision se vrací ven a řeší přesně tu část, kterou obojí obcházelo: kam tím fotoaparátem vlastně ukázat.

Zdroje

• September Android Drop: Remember where you put things, ease motion sickness, and more – Google, 1. září 2026
• Google's Guided Vision turns Gemini Live into a real-world visual guide – Android Authority, 1. září 2026
• Lookout: an app to help blind and visually impaired people learn about their surroundings – Google, 8. května 2018
• Google releases Lookout app that identifies objects for the visually impaired – The Verge, 13. března 2019
• TalkBack uses Gemini Nano to increase image accessibility for users with low vision – Android Developers Blog, 3. září 2024
• Where you can use the Gemini app – nápověda Googlu, seznam zemí a jazyků