کپشن یا زیرنویس دسترس‌پذیر علاوه بر گفت‌وگو، صداهای مهم مانند زنگ تلفن یا موسیقی معنادار را هم منتقل می‌کند؛ زیرنویس ترجمه‌ای معمولاً گفتار را به زبان دیگر برمی‌گرداند.
گوگل Guided Vision را به Gemini Live آورده است؛ قابلیتی که با دوربین گوشی، محیط را توضیح می‌دهد و برای کاربران نابینا و کم‌بینا راهنمای صوتی ارائه می‌کند.