La API de Gemini puede ejecutar inferencias sobre las imágenes y los videos que se le pasan. Cuando se aprueba una imagen, una serie de imágenes o un video, Gemini puede hacer lo siguiente:
- Describe o responde preguntas sobre el contenido
- Resume el contenido
- Extrapolar a partir del contenido
En este instructivo, se muestran algunas formas posibles de usar instrucciones para la API de Gemini imágenes y video. Todos los resultados son de solo texto.
¿Qué sigue?
En esta guía, se muestra cómo usar
generateContent y
para generar texto a partir de entradas de imagen y video. Para obtener más información,
consulta los siguientes recursos:
- Instrucciones con archivos multimedia: La La API de Gemini admite instrucciones con datos de texto, imagen, audio y video. conocida como instrucción multimodal.
- Instrucciones del sistema: Sistema instrucciones te permiten guiar el comportamiento del modelo según tu necesidades y casos de uso.
- Orientación sobre seguridad: A veces, la IA generativa los modelos generan resultados inesperados, como resultados inexactos ofensiva o sesgada. El procesamiento posterior y la evaluación humana son esenciales limitar el riesgo de daños derivados de dichos productos.