Esplora le funzionalità di visione con l'API Gemini

L'API Gemini può eseguire l'inferenza su immagini e video trasmessi. Una volta superato un'immagine, una serie di immagini o un video, Gemini può:

  • Descrivi o rispondi a domande sui contenuti
  • Riepiloga i contenuti
  • Estrapola dai contenuti

Questo tutorial mostra alcuni possibili modi per inviare prompt all'API Gemini con immagini e input video. Tutto l'output è di solo testo.

Passaggi successivi

Questa guida illustra come utilizzare generateContent e per generare output di testo da input di immagini e video. Per saperne di più, consulta le seguenti risorse:

  • Prompt con file multimediali: L'API Gemini supporta i prompt con dati di testo, immagini, audio e video, noti come prompt multimodali.
  • Istruzioni di sistema: System le istruzioni consentono di orientare il comportamento del modello in base alle esigenze e casi d'uso.
  • Indicazioni per la sicurezza: A volte, l'IA generativa i modelli producono output inaspettati, ad esempio output imprecisi, di parte oppure offensivi. La post-elaborazione e la valutazione umana sono essenziali limitare il rischio di danni derivanti da questi output.