- Guided Vision utiliza Gemini Live y la cámara del móvil para ofrecer descripciones auditivas del entorno en tiempo real.
- Permite leer textos pequeños, identificar objetos y recibir guía vocal para orientar correctamente la cámara.
- Está disponible para dispositivos con Android 9 o superior, integrándose con TalkBack y atajos de accesibilidad.
- Es una herramienta de apoyo complementaria y no debe usarse como dispositivo médico o guía de movilidad.
Seguro que ya has oído hablar de cómo la inteligencia artificial está cambiando nuestra forma de interactuar con el mundo, pero lo que Google ha planteado con Guided Vision va un paso más allá. No hablamos solo de un chat que responde preguntas, sino de una herramienta de accesibilidad brutal que busca derribar barreras para quienes tienen dificultades visuales, convirtiendo el móvil en una especie de guía inteligente en tiempo real.
Esta funcionalidad no ha nacido de la nada, sino que se ha cocinado a fuego lento junto a comunidades de personas ciegas y con baja visión. El objetivo es sencillo pero ambicioso: que cualquier persona pueda comprender su entorno inmediato sin depender siempre de terceros, aprovechando la potencia de Gemini Live y la cámara del dispositivo para describir la realidad mediante audio.
¿En qué consiste exactamente Guided Vision?
Básicamente, es una característica integrada en el ecosistema de Gemini Live que permite que el teléfono analice visualmente el entorno y lo traduzca a palabras. Lo más chulo es que no es una descripción estática; es una interacción fluida. Por ejemplo, si intentas leer una etiqueta y el teléfono está un poco torcido, la IA no se limita a decir que no ve nada, sino que te da instrucciones de voz para reencuadrar la imagen o centrar el objeto, haciendo que la experiencia sea mucho más intuitiva.
Posibilidades y usos en el día a día
La versatilidad de esta herramienta es enorme y se puede aplicar en situaciones que a veces pasan desapercibidas para el resto de nosotros, pero que son un reto diario para alguien con baja visión:
- Lectura y traducción instantánea: Desde descifrar la letra diminuta de los ingredientes de un alimento hasta leer un menú en un restaurante donde la luz es escasa o interpretar pantallas de electrodomésticos.
- Localización de objetos: La herramienta puede ayudar a identificar dónde está algo y dar pistas auditivas para encontrarlo, evitando que el usuario dé palos de ciego.
- Análisis del entorno: Es capaz de describir la distribución de una estancia o avisar si un objeto se ha caído al suelo, detallando colores, formas y diseños específicos.
Cómo ponerla en marcha y requisitos
Para empezar a usar Guided Vision, lo primero es tener instalada la app de Gemini y contar con un dispositivo que lleve Android 9 o una versión más reciente. Una vez dentro, hay que ir a los ajustes de Gemini y activar el interruptor de «Usar Visión guiada en Live». A partir de ahí, basta con iniciar una sesión de Gemini Live y compartir la cámara para que la magia empiece a suceder.
Para que sea realmente útil, Google ha integrado accesos rápidos muy prácticos. Puedes configurarla mediante el botón de accesibilidad, gestos específicos o incluso usando las teclas de volumen, y también está totalmente integrada en el menú de TalkBack, el lector de pantalla oficial de Android. Eso sí, ten en cuenta que el despliegue es progresivo, por lo que puede que tardes un poco en verla disponible en tu cuenta.
Un aviso importante sobre sus límites
Aunque la tecnología es impresionante, no hay que olvidar que estamos hablando de IA y, como tal, puede cometer errores. Google ha sido muy claro en esto: Guided Vision no es un dispositivo médico ni una herramienta de navegación. Bajo ningún concepto debe usarse para detectar obstáculos en el camino o para moverse por la calle, ya que no garantiza una precisión total. Debe entenderse como un apoyo complementario y no como un sustituto de las ayudas ópticas o los perros guía.
El contexto general de la IA en Google
Esta herramienta se suma a otras innovaciones como la Visión general creada por IA en el buscador, que resume información de diversas fuentes para ahorrar tiempo. Google está apostando fuerte por un modelo donde la IA generativa sea el núcleo, permitiendo pasar de una búsqueda rápida a una conversación profunda en Modo IA. Todo esto se apoya en una infraestructura de Google Cloud donde la privacidad es clave, asegurando que el usuario sigue siendo el dueño de sus datos y que la información se trata siguiendo contratos estrictos.
La integración de la cámara, la voz y el aprendizaje automático está logrando que la tecnología se acerque cada vez más a lo que conocemos como tiflotecnología, ofreciendo una interacción natural y humana. Al combinar la capacidad de análisis visual con respuestas habladas, se facilita la autonomía de miles de personas en tareas cotidianas que antes eran complicadas, consolidando la IA como un aliado fundamental para la inclusión y la accesibilidad universal.