Skip to content

ClasCat® AI Research

クラスキャット – 生成 AI, AI エージェント, MCP

Menu
  • ホーム
    • ClassCat® AI Research ホーム
    • クラスキャット・ホーム
  • OpenAI API
    • OpenAI Python ライブラリ 1.x : 概要
    • OpenAI ブログ
      • GPT の紹介
      • GPT ストアの紹介
      • ChatGPT Team の紹介
    • OpenAI platform 1.x
      • Get Started : イントロダクション
      • Get Started : クイックスタート (Python)
      • Get Started : クイックスタート (Node.js)
      • Get Started : モデル
      • 機能 : 埋め込み
      • 機能 : 埋め込み (ユースケース)
      • ChatGPT : アクション – イントロダクション
      • ChatGPT : アクション – Getting started
      • ChatGPT : アクション – アクション認証
    • OpenAI ヘルプ : ChatGPT
      • ChatGPTとは何ですか?
      • ChatGPT は真実を語っていますか?
      • GPT の作成
      • GPT FAQ
      • GPT vs アシスタント
      • GPT ビルダー
    • OpenAI ヘルプ : ChatGPT > メモリ
      • FAQ
    • OpenAI ヘルプ : GPT ストア
      • 貴方の GPT をフィーチャーする
    • OpenAI Python ライブラリ 0.27 : 概要
    • OpenAI platform
      • Get Started : イントロダクション
      • Get Started : クイックスタート
      • Get Started : モデル
      • ガイド : GPT モデル
      • ガイド : 画像生成 (DALL·E)
      • ガイド : GPT-3.5 Turbo 対応 微調整
      • ガイド : 微調整 1.イントロダクション
      • ガイド : 微調整 2. データセットの準備 / ケーススタディ
      • ガイド : 埋め込み
      • ガイド : 音声テキスト変換
      • ガイド : モデレーション
      • ChatGPT プラグイン : イントロダクション
    • OpenAI Cookbook
      • 概要
      • API 使用方法 : レート制限の操作
      • API 使用方法 : tiktoken でトークンを数える方法
      • GPT : ChatGPT モデルへの入力をフォーマットする方法
      • GPT : 補完をストリームする方法
      • GPT : 大規模言語モデルを扱う方法
      • 埋め込み : 埋め込みの取得
      • GPT-3 の微調整 : 分類サンプルの微調整
      • DALL-E : DALL·E で 画像を生成して編集する方法
      • DALL·E と Segment Anything で動的マスクを作成する方法
      • Whisper プロンプティング・ガイド
  • Gemini API
    • Tutorials : クイックスタート with Python (1) テキスト-to-テキスト生成
    • (2) マルチモーダル入力 / 日本語チャット
    • (3) 埋め込みの使用
    • (4) 高度なユースケース
    • クイックスタート with Node.js
    • クイックスタート with Dart or Flutter (1) 日本語動作確認
    • Gemma
      • 概要 (README)
      • Tutorials : サンプリング
      • Tutorials : KerasNLP による Getting Started
  • Keras 3
    • 新しいマルチバックエンド Keras
    • Keras 3 について
    • Getting Started : エンジニアのための Keras 入門
    • Google Colab 上のインストールと Stable Diffusion デモ
    • コンピュータビジョン – ゼロからの画像分類
    • コンピュータビジョン – 単純な MNIST convnet
    • コンピュータビジョン – EfficientNet を使用した微調整による画像分類
    • コンピュータビジョン – Vision Transformer による画像分類
    • コンピュータビジョン – 最新の MLPモデルによる画像分類
    • コンピュータビジョン – コンパクトな畳込み Transformer
    • Keras Core
      • Keras Core 0.1
        • 新しいマルチバックエンド Keras (README)
        • Keras for TensorFlow, JAX, & PyTorch
        • 開発者ガイド : Getting started with Keras Core
        • 開発者ガイド : 関数型 API
        • 開発者ガイド : シーケンシャル・モデル
        • 開発者ガイド : サブクラス化で新しい層とモデルを作成する
        • 開発者ガイド : 独自のコールバックを書く
      • Keras Core 0.1.1 & 0.1.2 : リリースノート
      • 開発者ガイド
      • Code examples
      • Keras Stable Diffusion
        • 概要
        • 基本的な使い方 (テキスト-to-画像 / 画像-to-画像変換)
        • 混合精度のパフォーマンス
        • インペインティングの簡易アプリケーション
        • (参考) KerasCV – Stable Diffusion を使用した高性能画像生成
  • TensorFlow
    • TF 2 : 初級チュートリアル
    • TF 2 : 上級チュートリアル
    • TF 2 : ガイド
    • TF 1 : チュートリアル
    • TF 1 : ガイド
  • その他
    • 🦜️🔗 LangChain ドキュメント / ユースケース
    • Stable Diffusion WebUI
      • Google Colab で Stable Diffusion WebUI 入門
      • HuggingFace モデル / VAE の導入
      • LoRA の利用
    • Diffusion Models / 拡散モデル
  • クラスキャット
    • 会社案内
    • お問合せ
    • Facebook
    • ClassCat® Blog
Menu

Gemini : Gemini API 概要 – Python, Dart (Flutter)

Posted on 05/02/2024 by Sales Information

Gemini : Gemini API 概要 – Python, Dart (Flutter)

作成 : クラスキャット セールスインフォメーション
作成日時 : 05/02/2024

* 本ページは、ai.google.dev の以下のページを独自に翻訳して、適宜、補足説明したものです :

  • Gemini API Overview

* サンプルコードの動作確認はしておりますが、必要な場合には適宜、追加改変しています。
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

クラスキャット 人工知能 研究開発支援サービス

◆ クラスキャット は人工知能・テレワークに関する各種サービスを提供しています。お気軽にご相談ください :

ClassCat Chatbot

  • 人工知能研究開発支援
    1. 人工知能研修サービス(経営者層向けオンサイト研修)
    2. テクニカルコンサルティングサービス
    3. 実証実験(プロトタイプ構築)
    4. アプリケーションへの実装

  • 人工知能研修サービス

  • PoC(概念実証)を失敗させないための支援
◆ 人工知能とビジネスをテーマに WEB セミナーを定期的に開催しています。スケジュール。
  • お住まいの地域に関係なく Web ブラウザからご参加頂けます。事前登録 が必要ですのでご注意ください。

◆ お問合せ : 本件に関するお問い合わせ先は下記までお願いいたします。

  • クラスキャット セールス・マーケティング本部 セールス・インフォメーション
  • sales-info@classcat.com  ;  Website: www.classcat.com  ;   ClassCatJP

 

Gemini : Gemini API 概要 – Python, Dart (Flutter)

Gemini API は Google の最新生成モデルへのアクセスを与えます。API を通して利用可能な一般的な機能になじんだら、好きな言語用のチュートリアルを試して開発を始めましょう。

 

モデル

Gemini は Google により開発されたマルチモーダルな生成 AI モデルのシリーズです。Gemini モデルは、選択したモデル・バリエーションに依存して、プロンプトでテキストと画像を受け取り、テキスト応答を出力することができます。

詳細なモデル情報を得るには、Gemini モデル ページを参照してください。利用可能なすべてのモデルをリストアップするために list_models メソッドを、そして特定のモデルのメタデータを取得するために get_model メソッドを使用することもできます。

 

プロンプトデータと設計

特定の Gemini モデルは入力としてテキストデータとメディアファイルの両方を受け取ります。この機能はコンテンツ生成、データ分析、問題解決のための多くの追加の可能性を生み出します。使用しているモデルの一般的な入力トークンの制限を含む、考慮すべき幾つかの制限や要件があります。特定のモデルのトークン制限についての情報は、Gemini モデル をご覧ください。

Gemini API を使用するプロンプトはサイズ 20MB を超えることはできません。Gemini API は、プロンプトで使用するメディアファイルを一時的にストアする File API を提供しています、これは 20MB 制限を超えたプロンプトデータの提供を可能にします。File API とプロンプト用にサポートされるファイル形式の詳細については、メディアファイルを使用したプロンプティング をご覧ください。

 

プロンプトの設計とテキスト入力

効果的なプロンプトの作成、あるいはプロンプト・エンジニアリングは芸術と科学のコンビネーションです。プロンプティングにアプローチする方法のガイドについては プロンプト設計へのイントロダクション を、プロンプティングへの様々なアプローチについて学習するには プロンプト 101 ガイドをご覧ください。

 

コンテンツの生成

Gemini API は、使用しているモデル・バリエーションが何かに応じて、プロンプティングのためにテキストと画像データの両方を使用することを可能にします。例えば、gemini-pro モデルでテキストプロンプトを使用してテキストを生成し、gemini-pro-vision モデルにプロンプトを提供するのにテキストと画像データの両方を使用することができます。このセクションは各々の簡単なコードサンプルを提供します。パラメータのすべてをカバーする詳細なサンプルについては、generateContent API リファレンスを参照してください。

 

テキストと画像入力

ビジョン関連タスクを実行するために gemini-pro-vision モデルに画像と一緒にテキストプロンプトを送信することができます。例えば、画像のキャプション付けや画像の中に何があるか識別します。

⭐️ Note : You can’t send a text-only prompt to the gemini-pro-vision model. Use the gemini-pro model for text-only prompts.

次のコードサンプルはテキストと画像のプロンプトの単純な実装を示します :

Python

model = genai.GenerativeModel('gemini-pro-vision')

cookie_picture = [{
    'mime_type': 'image/png',
    'data': pathlib.Path('cookie.png').read_bytes()
}]
prompt = "Do these look store-bought or homemade?"

response = model.generate_content(
    model="gemini-pro-vision",
    content=[prompt, cookie_picture]
)
print(response.text)

Dart (Flutter)

final model = GenerativeModel(model: 'gemini-pro-vision', apiKey: apiKey);
final prompt = 'Do these look store-bought or homemade?';
final imageBytes = await File('cookie.png').readAsBytes();
final content = [
  Content.multi([
    TextPart(prompt),
    DataPart('image/png', imageBytes),
  ])
];

final response = await model.generateContent(content);
print(response.text);

 

テキストのみの入力

Gemini API はテキスト-only 入力を処理することもできます。この機能はテキスト補完や要約のような自然言語処理 (NLP) タスクを実行することを可能にします。

次のコードサンプルはテキスト-only なプロンプトの単純な実装を示します :

Python

model = genai.GenerativeModel('gemini-pro-vision')

prompt = "Write a story about a magic backpack."

response = model.generate_content(prompt)

Dart (Flutter)

final model = GenerativeModel(model: 'gemini-pro', apiKey: apiKey);
final prompt = 'Write a story about a magic backpack.';
final content = [Content.text(prompt)];
final response = await model.generateContent(content);
print(response.text);

 

マルチターン会話 (チャット)

Gemini API を使用して、対話的なチャット・エクスペリエンスをユーザ向けに構築することができます。API のチャット機能の使用は、質問と応答の複数のラウンドの収集を可能にし、ユーザが答えに向かって徐々に進んだり、マルチパートの問題に役立てることができます。この機能は、チャットボット、対話的な家庭教師や顧客サポートのアシスタントのような、現在進行形のコミュニケーションを必要とするアプリケーションに対して理想的です。

次のコードサンプルはチャット相互作用の単純な実装を示します :

Python

  model = genai.GenerativeModel('gemini-pro')
  chat = model.start_chat(history=[])

  response = chat.send_message(
      "Pretend you\'re a snowman and stay in character for each response.")
  print(response.text)

  response = chat.send_message(
      "What\'s your favorite season of the year?")
  print(response.text)

Dart (Flutter)

final model = GenerativeModel(model: 'gemini-pro', apiKey: apiKey);
final chat = model.startChat(history: [
  Content.text(
      "Pretend you're a snowman and stay in character for each response."),
  Content.model([TextPart("Hello! It's cold! Isn't that great?")]),
]);
final content = Content.text("What's your favorite season of the year?");
final response = await chat.sendMessage(content);
print(response.text);

 

ストリーミングされた応答

Gemini API は生成 AI モデルから、データストリームとして応答を受け取る追加の方法を提供しています。ストリーミングされた応答は、データの増分のピースを (それがモデルにより生成されたとき) アプリケーションに送り返します。この機能はユーザリクエストに素早く応答して進捗を示すことを可能にし、よりインタラクティブなエクスペリエンスを作成することができます。

ストリーミングされた応答は自由形式のプロンプティングと Gemini モデルとのチャットに対するオプションです。次のコードサンプルはプロンプトに対してストリーミングされた応答を要求する方法を示します :

Python

prompt = "Write a story about a magic backpack."

response = genai.stream_generate_content(
    model="models/gemini-pro",
    prompt=prompt
)

Dart (Flutter)

final model = GenerativeModel(model: 'gemini-pro', apiKey: apiKey);
final prompt = 'Write a story about a magic backpack.';
final content = [Content.text(prompt)];
final response = model.generateContentStream(content);
await for (final chunk in response) {
  print(chunk.text);
}

 

JSON 形式の応答

アプリケーションに応じて、プロンプトへの応答が構造化データ形式で返されることを望む場合があるでしょう、特にプログラミング・インターフェイスへの入力として応答を使用している場合です。Gemini API は JSON 形式での応答を要求する設定パラメータを提供しています。

⭐️ Note : This response configuration option is supported only with the Gemini 1.5 Pro model.

response_mime_type 設定オプションを application/json に設定して JSON 形式仕様をリクエストの本体に含めることでこの出力機能を使用できます。次のコードサンプルはプロンプトに対してどのように JSON 応答を要求するかを示します :

cURL

curl https://generativelanguage.googleapis.com/v1beta/models/gemini-1.5-pro-latest:generateContent?key=$API_KEY \
    -H 'Content-Type: application/json' \
    -X POST \
    -d '{ "contents":[{
            "parts":[{"text": "List 5 popular cookie recipes using this JSON schema: \{ \"type\": \"object\", \"properties\": \{ \"recipe_name\": \{ \"type\": \"string\" \},\}\}"}] }],
          "generationConfig": {
            "response_mime_type": "application/json",
          } }'

 

埋め込み

Gemini API の埋め込みサービスは、単語、フレーズ、センテンスに対する最先端の埋め込みを生成します。そして生成された埋め込みは、セマンティック探索、テキスト分類、クラスタリング等のような NLP タスクに対して使用できます。埋め込みが何であるか、そして埋め込みサービスについての主要なユースケースを学習するには 埋め込みガイド をご覧ください。

 

以上



クラスキャット

最近の投稿

  • LangGraph 0.5 on Colab : Get started : Tavily Web 検索ツールの追加
  • LangGraph 0.5 on Colab : Get started : カスタム・ワークフローの構築
  • LangGraph 0.5 on Colab : Get started : クイックスタート
  • LangGraph on Colab : SQL エージェントの構築
  • LangGraph on Colab : マルチエージェント・スーパーバイザー

タグ

AutoGen (13) ClassCat Press Release (20) ClassCat TF/ONNX Hub (11) DGL 0.5 (14) Eager Execution (7) Edward (17) FLUX.1 (16) Gemini (20) HuggingFace Transformers 4.5 (10) HuggingFace Transformers 4.6 (7) HuggingFace Transformers 4.29 (9) Keras 2 Examples (98) Keras 2 Guide (16) Keras 3 (10) Keras Release Note (17) Kubeflow 1.0 (10) LangChain (45) LangGraph (24) MediaPipe 0.8 (11) Model Context Protocol (16) NNI 1.5 (16) OpenAI Agents SDK (8) OpenAI Cookbook (13) OpenAI platform (10) OpenAI platform 1.x (10) OpenAI ヘルプ (8) TensorFlow 2.0 Advanced Tutorials (33) TensorFlow 2.0 Advanced Tutorials (Alpha) (15) TensorFlow 2.0 Advanced Tutorials (Beta) (16) TensorFlow 2.0 Guide (10) TensorFlow 2.0 Guide (Alpha) (16) TensorFlow 2.0 Guide (Beta) (9) TensorFlow 2.0 Release Note (12) TensorFlow 2.0 Tutorials (20) TensorFlow 2.0 Tutorials (Alpha) (14) TensorFlow 2.0 Tutorials (Beta) (12) TensorFlow 2.4 Guide (24) TensorFlow Deploy (8) TensorFlow Get Started (7) TensorFlow Graphics (7) TensorFlow Probability (9) TensorFlow Programmer's Guide (22) TensorFlow Release Note (18) TensorFlow Tutorials (33) TF-Agents 0.4 (11)
2024年5月
月 火 水 木 金 土 日
 12345
6789101112
13141516171819
20212223242526
2728293031  
« 4月   6月 »
© 2025 ClasCat® AI Research | Powered by Minimalist Blog WordPress Theme