10月底，谷歌研究院（Google Research）正式发布了一款名为StreetReaderAI的创新技术原型，旨在为盲人及低视力用户打造真正无障碍的Google街景体验。该系统并非传统意义上的语音播报工具，而是一个深度融合计算机视觉、地理信息系统（GIS）与大语言模型（LLM）的多模态AI平台，让用户能够通过自然语言与虚拟城市环境进行实时互动，实现前所未有的自主探索自由。
StreetReaderAI的核心突破在于其“情境感知”能力。当用户“置身”于街景中的任意位置时，系统不仅能识别并描述当前视野内的建筑、商铺、交通设施等元素，还能结合精确的地理位置数据，生成结构化、上下文相关的语音反馈。例如：“您正面向一座红砖建筑，左侧是咖啡馆，右侧是公交站，前方50米处为十字路口。”这种动态描述让虚拟游览不再是被动接收信息，而是主动感知环境。
更引人注目的是其智能对话交互功能。用户无需记忆复杂指令，只需像日常交谈一样提问——“前面那栋楼是什么？”“附近有银行吗？”“这条路通向哪里？”——系统便会基于当前视角和地图数据库，给出准确、连贯的回答。这一能力依托于谷歌的Gemini大模型，构建了“AI Describer”（实时场景描述）与“AI Chat”（动态地理对话）两个子系统。
为确保操作对视障群体高度友好，StreetReaderAI采用了极简的交互设计。用户既可通过语音命令，也可使用标准键盘按键来控制视角旋转、前进后退或切换街景点位，全程无需依赖屏幕或触控界面。这种“语音+键盘”的双模输入方式，兼顾了不同用户的使用习惯，真正实现了“所问即所见，所控即所行”。
据悉，该原型系统支持对全球超过220个国家和地区的街景进行无障碍访问，并允许用户根据需求个性化设置描述的详细程度、关注重点（如导航或旅游）以及语音语速等参数。此外，系统还具备智能提醒功能，可主动提示附近的重要地标、潜在障碍物或导航方向确认，进一步提升使用安全与效率。
值得一提的是，StreetReaderAI的研发过程采用了包容性设计理念，由盲人用户与视力正常的研究人员共同参与开发，确保产品真正贴合目标群体的实际需求。这一创新不仅为视障人士打开了数字世界的新窗口，也为未来无障碍AI交互树立了新标杆。