Aproveitando o modelo Gemini Pro Vision para compreensão de imagens, prompts multimodais…

Explore como você pode usar o novo modelo Gemini Pro Vision com a API Gemini para lidar com dados de entrada multimodais, incluindo prompts de texto e imagem, para receber um resultado em texto. Nesta solução, você aprenderá como acessar a API Gemini com dados de imagem e texto, explorar uma variedade de exemplos de prompts que podem ser alcançados usando imagens com o Gemini Pro Vision e, finalmente, completar um codelab explorando como usar a API para um cenário de problema do mundo real envolvendo acessibilidade e desenvolvimento web básico.

Plataforma: Google Developers

Nível: beginner

Curso gratuito

Cursos relacionados

• Extensões da API Gemini Firebase: Melhore rapidamente seu aplicativo com IA gen… — Aprenda como as Extensões do Firebase da Gemini permitem que você adicione Gemini aos seus aplicativos sem se tornar um…
• Comece com classificação de texto móvel — Aprenda como usar machine learning em um aplicativo móvel para identificar texto e construir um aplicativo capaz de fil…
• Comece com a busca de imagens de produtos — Aprenda como construir um recurso de busca de imagem de produto para um aplicativo móvel usando Detecção de Objetos no…
• Comece com detecção de objetos — Aprenda os fundamentos da detecção de objetos e como integrar um detector de objetos pré-treinado em seu aplicativo móv…
• Começando com o Google AI Studio e a API Gemini usando Node.js — Aprenda a prototipar prompts baseados em texto com o Google AI Studio e comece a escrever seu primeiro script Node.js d…
• Vá além com detecção de objetos — Aprenda a treinar seus próprios modelos de detecção de objetos personalizados usando TensorFlow Lite e a biblioteca Ten…

Continue explorando

• Ver todos os cursos de IA
• Catálogo de ferramentas de IA
• Artigos sobre inteligência artificial