Genera immagini utilizzando prompt di testo

Puoi utilizzare Imagen su Vertex AI per generare nuove immagini da un prompt di testo fornito nella console Google Cloud o inviare una richiesta all'API Vertex AI .

Per ulteriori informazioni su come scrivere prompt di testo per la generazione e la modifica delle immagini, consulta la guida ai prompt.

Visualizzare la scheda del modello Imagen per la generazione

Provare la generazione di immagini (Vertex AI Studio)

Località

Una località è una regione che puoi specificare in una richiesta per controllare dove vengono archiviati i dati at-rest. Per un elenco delle regioni disponibili, consulta Località dell'IA generativa su Vertex AI.

Filtri di sicurezza

Quando invii una richiesta di generazione di immagini a Imagen, vengono controllati sia i dati di input sia i contenuti di output per rilevare materiale offensivo. Ciò significa che un input del prompt di testo offensivo può essere bloccato. Allo stesso modo, anche le immagini di output offensive potrebbero essere bloccate, influenzando il numero di immagini generate che ricevi in risposta.

Per saperne di più sul filtro di sicurezza e sulla gestione dei contenuti bloccati, consulta IA responsabile e linee guida per l'utilizzo di Imagen.

Prestazioni e limitazioni

Quando utilizzi un modello Imagen per la generazione di immagini, si applicano i seguenti limiti:

Limiti Valore
(immagine 3)
Numero massimo di richieste API al minuto per progetto Imagen 3: 20

Imagen 3 Fast: 200
Numero massimo di immagini restituite per richiesta (generazione di testo in immagini) 4
Dimensioni massime delle immagini caricate o inviate in una richiesta (MB) 10 MB
Risoluzione dell'immagine restituita supportata (pixel)
  • 1024 x 1024 pixel (proporzioni 1:1)
  • 896 x 1280 (proporzioni 3:4)
  • 1280 x 896 (proporzioni 4:3)
  • 768 x 1408 (proporzioni 9:16)
  • 1408 x 768 (proporzioni 16:9)
Numero massimo di token di input (testo del prompt per la generazione di testo in immagini) 480 token

Versioni modello

Esistono varie versioni del modello di generazione di immagini che puoi utilizzare. Per informazioni generali sul controllo delle versioni dei modelli Imagen, consulta Modelli e ciclo di vita di Imagen.

Per la generazione di immagini sono disponibili i seguenti modelli e le relative funzionalità:

Modello Nome e versione della risorsa modello Fase di avvio Funzionalità Proporzioni Lingue supportate Fatturazione
Imagen 3 Imagen 3:

imagen-3.0-generate-002 (modello più recente)

imagen-3.0-generate-001

Imagen 3 Fast: imagen-3.0-fast-generate-001

Si tratta di una variante del modello a bassa latenza che puoi utilizzare per la prototipazione o per casi d'uso a bassa latenza.

Personalizzazione e modifica di Imagen 3: imagen-3.0-capability-001 (utenti approvati) 		Disponibilità generale

Funzionalità supportate:

  • Generazione di immagini
  • Filigrana digitale e verifica
  • Impostazioni di sicurezza configurabili dall'utente
  • Miglioramento dei prompt mediante il riscrittore di prompt (solo modello imagen-3.0-generate-002)
  • Personalizzazione delle immagini (apprendimento few-shot):
    • Personalizzazione dell'oggetto (prodotto, persona e animale domestico)
    • Personalizzazione dello stile
    • Personalizzazione controllata (scribble e canny edge)
    • Personalizzazione delle istruzioni (trasferimento stile)
  • Modifica delle immagini (in base alla maschera):
    • inpainting (inserisci o rimuovi)
    • outpainting
    • modifica delle immagini prodotto
  • 1:1 - 1024 x 1024 pixel (quadrato)
  • 3:4  - 896x1280
  • 4:3  - 1280x896
  • 9:16 - 768x1408
  • 16:9 - 1408x768

Disponibilità generale:

  • Inglese

Anteprima:

  • Cinese (semplificato)
  • Cinese (tradizionale)
  • Hindi
  • Giapponese
  • Coreano
  • Portoghese
  • Spagnolo

Sì, i prezzi si applicano alla generazione. I prezzi dei modelli Imagen 3 sono associati a un nuovo SKU, pertanto sono diversi da quelli degli altri modelli.

Per visualizzare tutte le funzionalità e le fasi di lancio, consulta la panoramica di Imagen.
Per visualizzare i prezzi associati a ogni funzionalità, consulta la pagina dei prezzi.

Prima di iniziare

  1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  3. Make sure that billing is enabled for your Google Cloud project.

  4. Enable the Vertex AI API.

    Enable the API

    5.

  5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  6. Make sure that billing is enabled for your Google Cloud project.

  7. Enable the Vertex AI API.

    Enable the API

    8.

  8. Configura l'autenticazione per il tuo ambiente.

    Select the tab for how you plan to use the samples on this page:

    Console

    When you use the Google Cloud console to access Google Cloud services and APIs, you don't need to set up authentication.

    Java

    Per utilizzare gli Java esempi in questa pagina in un ambiente di sviluppo locale, installa e inizializza l'interfaccia a riga di comando gcloud, quindi configura le credenziali predefinite dell'applicazione con le tue credenziali utente.

    1. Install the Google Cloud CLI.

    2. To initialize the gcloud CLI, run the following command: 

      gcloud init

    3. If you're using a local shell, then create local authentication credentials for your user account: 

      gcloud auth application-default login

      You don't need to do this if you're using Cloud Shell.

    Per ulteriori informazioni, consulta Configurare l'ADC per un ambiente di sviluppo locale nella Google Cloud documentazione sull'autenticazione.

    Node.js

    Per utilizzare gli Node.js esempi in questa pagina in un ambiente di sviluppo locale, installa e inizializza l'interfaccia a riga di comando gcloud, quindi configura le credenziali predefinite dell'applicazione con le tue credenziali utente.

    1. Install the Google Cloud CLI.

    2. To initialize the gcloud CLI, run the following command: 

      gcloud init

    3. If you're using a local shell, then create local authentication credentials for your user account: 

      gcloud auth application-default login

      You don't need to do this if you're using Cloud Shell.

    Per ulteriori informazioni, consulta Configurare l'ADC per un ambiente di sviluppo locale nella Google Cloud documentazione sull'autenticazione.

    Python

    Per utilizzare gli Python esempi in questa pagina in un ambiente di sviluppo locale, installa e inizializza l'interfaccia a riga di comando gcloud, quindi configura le credenziali predefinite dell'applicazione con le tue credenziali utente.

    1. Install the Google Cloud CLI.

    2. To initialize the gcloud CLI, run the following command: 

      gcloud init

    3. If you're using a local shell, then create local authentication credentials for your user account: 

      gcloud auth application-default login

      You don't need to do this if you're using Cloud Shell.

    Per ulteriori informazioni, consulta Configurare l'ADC per un ambiente di sviluppo locale nella Google Cloud documentazione sull'autenticazione.

    REST

    Per utilizzare gli esempi dell'API REST in questa pagina in un ambiente di sviluppo locale, utilizza le credenziali fornite a gcloud CLI.

      Install the Google Cloud CLI, then initialize it by running the following command: 

      gcloud init

    Per ulteriori informazioni, consulta Eseguire l'autenticazione per l'utilizzo di REST nella documentazione Google Cloud sull'autenticazione.

Generare immagini con testo

Puoi generare immagini nuove utilizzando solo testo descrittivo come input. I seguenti esempi mostrano le istruzioni di base per generare immagini, ma puoi anche utilizzare parametri aggiuntivi a seconda del caso d'uso.

Console

  1. Nella console Google Cloud, apri la scheda Vertex AI Studio > Media nella dashboard di Vertex AI.

    Vai alla scheda Vertex AI Studio

  2. Nel campo Scrivi il prompt, inserisci una descrizione per le immagini che vuoi generare. Per informazioni dettagliate su come scrivere prompt efficaci, consulta la guida ai prompt.

    • Ad esempio: illustrazione ad acquerello di una piccola barca sull'acqua al mattino

  3. Facoltativo. Nella casella Opzioni modello del riquadro Parametri, seleziona la versione del modello da utilizzare. Per ulteriori informazioni, consulta le versioni del modello.

  4. Facoltativo. Modificare i parametri standard e avanzati.

  5. Per generare le immagini, fai clic su Genera.

    Un'immagine di esempio generata utilizzando il testo
    Visualizzazione della generazione di immagini delle immagini generate con Imagen su Vertex AI dal prompt: piccola barca rossa sull'acqua al mattino acquarello illustrazione colori tenui.

REST

Per ulteriori informazioni sulle richieste del modello imagegeneration, consulta la documentazione di riferimento dell'API del modello imagegeneration.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • PROJECT_ID: il tuo Google Cloud ID progetto.
  • MODEL_VERSION: la versione del modello imagegeneration da utilizzare. Valori disponibili:
    • Imagen 3:
      • imagen-3.0-generate-002 (modello più recente)
      • imagen-3.0-generate-001
      • imagen-3.0-fast-generate-001 - Versione del modello a bassa latenza.
    • Versione del modello predefinita:
      • imagegeneration: utilizza la versione predefinita del modello v.006. Come best practice, devi sempre specificare una versione del modello, in particolare negli ambienti di produzione.

    Per ulteriori informazioni sulle funzionalità e sulle versioni dei modelli, consulta le versioni del modello.

  • LOCATION: la regione del progetto. Ad esempio, us-central1, europe-west2 o asia-northeast3. Per un elenco delle regioni disponibili, consulta Località dell'IA generativa su Vertex AI.
  • TEXT_PROMPT: il prompt di testo che indica le immagini generate dal modello. Questo campo è obbligatorio sia per la generazione che per la modifica.
  • IMAGE_COUNT: il numero di immagini generate. Valori interi accettati: 1-8 (imagegeneration@002), 1-4 (tutte le altre versioni del modello). Valore predefinito: 4.

Metodo HTTP e URL: 

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_VERSION:predict

Corpo JSON della richiesta: 

{
  "instances": [
    {
      "prompt": "TEXT_PROMPT"
    }
  ],
  "parameters": {
    "sampleCount": IMAGE_COUNT
  }
}

Per inviare la richiesta, scegli una delle seguenti opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_VERSION:predict"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_VERSION:predict" | Select-Object -Expand Content
La seguente risposta di esempio è per una richiesta con "sampleCount": 2. La risposta restituisce due oggetti di previsione, con i byte dell'immagine generata codificati in base64. 
{
  "predictions": [
    {
      "bytesBase64Encoded": "BASE64_IMG_BYTES",
      "mimeType": "image/png"
    },
    {
      "mimeType": "image/png",
      "bytesBase64Encoded": "BASE64_IMG_BYTES"
    }
  ]
}

Se utilizzi un modello che supporta il miglioramento del prompt, la risposta include un campo prompt aggiuntivo con il prompt migliorato utilizzato per la generazione: 

{
  "predictions": [
    {
      "mimeType": "MIME_TYPE",
      "prompt": "ENHANCED_PROMPT_1",
      "bytesBase64Encoded": "BASE64_IMG_BYTES_1"
    },
    {
      "mimeType": "MIME_TYPE",
      "prompt": "ENHANCED_PROMPT_2",
      "bytesBase64Encoded": "BASE64_IMG_BYTES_2"
    }
  ]
}

Python

Prima di provare questo esempio, segui le istruzioni di configurazione Python riportate nella guida rapida all'utilizzo delle librerie client di Vertex AI. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Python di Vertex AI.

Per autenticarti a Vertex AI, configura le Credenziali predefinite dell'applicazione. Per ulteriori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.

In questo esempio, chiami il metodo generate_images su ImageGenerationModel e salvi le immagini generate localmente. Se vuoi, puoi utilizzare il metodo show() in un notebook per visualizzare le immagini generate. Per ulteriori informazioni su funzionalità e versioni dei modelli, consulta Versioni dei modelli.


import vertexai
from vertexai.preview.vision_models import ImageGenerationModel

# TODO(developer): Update and un-comment below lines
# PROJECT_ID = "your-project-id"
# output_file = "input-image.png"
# prompt = "" # The text prompt describing what you want to see.

vertexai.init(project=PROJECT_ID, location="us-central1")

model = ImageGenerationModel.from_pretrained("imagen-3.0-generate-002")

images = model.generate_images(
    prompt=prompt,
    # Optional parameters
    number_of_images=1,
    language="en",
    # You can't use a seed value and watermark at the same time.
    # add_watermark=False,
    # seed=100,
    aspect_ratio="1:1",
    safety_filter_level="block_some",
    person_generation="allow_adult",
)

images[0].save(location=output_file, include_generation_parameters=False)

# Optional. View the generated image in a notebook.
# images[0].show()

print(f"Created output image using {len(images[0]._image_bytes)} bytes")
# Example response:
# Created output image using 1234567 bytes

Java

Prima di provare questo esempio, segui le istruzioni di configurazione Java riportate nella guida rapida all'utilizzo delle librerie client di Vertex AI. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Java di Vertex AI.

Per autenticarti a Vertex AI, configura le Credenziali predefinite dell'applicazione. Per ulteriori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.

In questo esempio, specifichi il modello imagen-3.0-generate-001 come parte di un EndpointName. EndpointName viene passato al metodo predict che viene chiamato su un PredictionServiceClient. Il servizio genera immagini che vengono poi salvate localmente. Per ulteriori informazioni sulle funzionalità e sulle versioni dei modelli, consulta le versioni dei modelli.


import com.google.api.gax.rpc.ApiException;
import com.google.cloud.aiplatform.v1.EndpointName;
import com.google.cloud.aiplatform.v1.PredictResponse;
import com.google.cloud.aiplatform.v1.PredictionServiceClient;
import com.google.cloud.aiplatform.v1.PredictionServiceSettings;
import com.google.gson.Gson;
import com.google.protobuf.InvalidProtocolBufferException;
import com.google.protobuf.Value;
import com.google.protobuf.util.JsonFormat;
import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Path;
import java.util.Base64;
import java.util.Collections;
import java.util.HashMap;
import java.util.Map;

public class GenerateImageSample {

  public static void main(String[] args) throws IOException {
    // TODO(developer): Replace these variables before running the sample.
    String projectId = "my-project-id";
    String location = "us-central1";
    String prompt = ""; // The text prompt describing what you want to see.

    generateImage(projectId, location, prompt);
  }

  // Generate an image using a text prompt using an Imagen model
  public static PredictResponse generateImage(String projectId, String location, String prompt)
      throws ApiException, IOException {
    final String endpoint = String.format("%s-aiplatform.googleapis.com:443", location);
    PredictionServiceSettings predictionServiceSettings =
        PredictionServiceSettings.newBuilder().setEndpoint(endpoint).build();

    // Initialize client that will be used to send requests. This client only needs to be created
    // once, and can be reused for multiple requests.
    try (PredictionServiceClient predictionServiceClient =
        PredictionServiceClient.create(predictionServiceSettings)) {

      final EndpointName endpointName =
          EndpointName.ofProjectLocationPublisherModelName(
              projectId, location, "google", "imagen-3.0-generate-001");

      Map<String, Object> instancesMap = new HashMap<>();
      instancesMap.put("prompt", prompt);
      Value instances = mapToValue(instancesMap);

      Map<String, Object> paramsMap = new HashMap<>();
      paramsMap.put("sampleCount", 1);
      // You can't use a seed value and watermark at the same time.
      // paramsMap.put("seed", 100);
      // paramsMap.put("addWatermark", false);
      paramsMap.put("aspectRatio", "1:1");
      paramsMap.put("safetyFilterLevel", "block_some");
      paramsMap.put("personGeneration", "allow_adult");
      Value parameters = mapToValue(paramsMap);

      PredictResponse predictResponse =
          predictionServiceClient.predict(
              endpointName, Collections.singletonList(instances), parameters);

      for (Value prediction : predictResponse.getPredictionsList()) {
        Map<String, Value> fieldsMap = prediction.getStructValue().getFieldsMap();
        if (fieldsMap.containsKey("bytesBase64Encoded")) {
          String bytesBase64Encoded = fieldsMap.get("bytesBase64Encoded").getStringValue();
          Path tmpPath = Files.createTempFile("imagen-", ".png");
          Files.write(tmpPath, Base64.getDecoder().decode(bytesBase64Encoded));
          System.out.format("Image file written to: %s\n", tmpPath.toUri());
        }
      }
      return predictResponse;
    }
  }

  private static Value mapToValue(Map<String, Object> map) throws InvalidProtocolBufferException {
    Gson gson = new Gson();
    String json = gson.toJson(map);
    Value.Builder builder = Value.newBuilder();
    JsonFormat.parser().merge(json, builder);
    return builder.build();
  }
}

Node.js

Prima di provare questo esempio, segui le istruzioni di configurazione Node.js riportate nella guida rapida all'utilizzo delle librerie client di Vertex AI. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API Node.js di Vertex AI.

Per autenticarti a Vertex AI, configura le Credenziali predefinite dell'applicazione. Per ulteriori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.

In questo esempio, chiami il metodo predict su un PredictionServiceClient. Il servizio genera immagini che vengono poi salvate localmente. Per saperne di più sulle funzionalità e sulle versioni dei modelli, consulta versioni dei modelli.

/**
 * TODO(developer): Update these variables before running the sample.
 */
const projectId = process.env.CAIP_PROJECT_ID;
const location = 'us-central1';
const prompt = 'a dog reading a newspaper';

const aiplatform = require('@google-cloud/aiplatform');

// Imports the Google Cloud Prediction Service Client library
const {PredictionServiceClient} = aiplatform.v1;

// Import the helper module for converting arbitrary protobuf.Value objects
const {helpers} = aiplatform;

// Specifies the location of the api endpoint
const clientOptions = {
  apiEndpoint: `${location}-aiplatform.googleapis.com`,
};

// Instantiates a client
const predictionServiceClient = new PredictionServiceClient(clientOptions);

async function generateImage() {
  const fs = require('fs');
  const util = require('util');
  // Configure the parent resource
  const endpoint = `projects/${projectId}/locations/${location}/publishers/google/models/imagen-3.0-generate-001`;

  const promptText = {
    prompt: prompt, // The text prompt describing what you want to see
  };
  const instanceValue = helpers.toValue(promptText);
  const instances = [instanceValue];

  const parameter = {
    sampleCount: 1,
    // You can't use a seed value and watermark at the same time.
    // seed: 100,
    // addWatermark: false,
    aspectRatio: '1:1',
    safetyFilterLevel: 'block_some',
    personGeneration: 'allow_adult',
  };
  const parameters = helpers.toValue(parameter);

  const request = {
    endpoint,
    instances,
    parameters,
  };

  // Predict request
  const [response] = await predictionServiceClient.predict(request);
  const predictions = response.predictions;
  if (predictions.length === 0) {
    console.log(
      'No image was generated. Check the request parameters and prompt.'
    );
  } else {
    let i = 1;
    for (const prediction of predictions) {
      const buff = Buffer.from(
        prediction.structValue.fields.bytesBase64Encoded.stringValue,
        'base64'
      );
      // Write image content to the output file
      const writeFile = util.promisify(fs.writeFile);
      const filename = `output${i}.png`;
      await writeFile(filename, buff);
      console.log(`Saved image ${filename}`);
      i++;
    }
  }
}
await generateImage();

Utilizzare i parametri per generare immagini

Quando generi immagini, puoi impostare diversi parametri standard e avanzati a seconda del caso d'uso.

Aggiungere o verificare una filigrana immagine

Per impostazione predefinita, a tutte le immagini generate da una versione del modello che supporta la generazione di filigrane viene aggiunta una filigrana digitale. Questa funzionalità aggiunge alle immagini una filigrana digitale non visibile, chiamata SynthID. Puoi quindi verificare se un'immagine contiene o meno una filigrana digitale.

Generare immagini con filigrana

Utilizza i seguenti esempi per generare immagini con una filigrana digitale.

Console

  1. Nella console Google Cloud, apri la scheda Vertex AI Studio > Media nella dashboard di Vertex AI.

    Vai alla scheda Vertex AI Studio

  2. Nel campo Scrivi il prompt, inserisci una descrizione per le immagini che vuoi generare. Per informazioni dettagliate su come scrivere prompt efficaci, consulta la guida ai prompt.

    • Ad esempio: illustrazione ad acquerello di una piccola barca sull'acqua al mattino

  3. Facoltativo. Nella casella Opzioni modello del riquadro Parametri, seleziona la versione del modello da utilizzare. Per ulteriori informazioni, consulta le versioni del modello.

  4. Facoltativo. Modificare i parametri standard e avanzati.

  5. Per generare le immagini, fai clic su Genera.

  6. Versione del modello 006 e successive: viene aggiunta automaticamente una filigrana digitale alle immagini generate. Non puoi disattivare la filigrana digitale per la generazione di immagini utilizzando la console Google Cloud.

    Puoi selezionare un'immagine per aprire la finestra Dettagli immagine. Le immagini con filigrana contengono un badge Filigrana digitale. Puoi anche verificare esplicitamente una filigrana immagine.

    Un&#39;immagine di esempio con filigrana generata utilizzando il testo
    Dettagli immagine di un'immagine con filigrana generata con Immagine 2 del prompt: piccola barca rossa sull'acqua al mattino illustrazione acquerello colori tenui.

REST

Per ulteriori informazioni sulle richieste del modello imagegeneration, consulta la documentazione di riferimento dell'API del modello imagegeneration.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • PROJECT_ID: il tuo Google Cloud ID progetto.
  • MODEL_VERSION: la versione del modello imagegeneration da utilizzare. Valori disponibili:
    • imagen-3.0-generate-002 (modello più recente)
    • imagen-3.0-generate-001
    • imagen-3.0-fast-generate-001 - Versione del modello a bassa latenza.
    • imagegeneration@006

    Per ulteriori informazioni sulle funzionalità e sulle versioni dei modelli, consulta le versioni del modello.

  • LOCATION: la regione del progetto. Ad esempio, us-central1, europe-west2 o asia-northeast3. Per un elenco delle regioni disponibili, consulta Località dell'IA generativa su Vertex AI.
  • TEXT_PROMPT: il prompt di testo che indica le immagini generate dal modello. Questo campo è obbligatorio sia per la generazione che per la modifica.
  • IMAGE_COUNT: il numero di immagini generate. Valori interi accettati: 1-8 (imagegeneration@002), 1-4 (tutte le altre versioni del modello). Valore predefinito: 4.
  • addWatermark: un valore booleano per attivare una filigrana per le immagini generate. Qualsiasi immagine generata quando il campo è impostato su true contiene un SynthID digitale che puoi utilizzare per verificare un'immagine con filigrana. Se ometti questo campo, viene utilizzato il valore predefinito true. Per disattivare questa funzionalità, devi impostare il valore su false. Puoi utilizzare il campo seed per ottenere un output deterministico solo se questo campo è impostato su false.

Metodo HTTP e URL: 

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_VERSION:predict

Corpo JSON della richiesta: 

{
  "instances": [
    {
      "prompt": "TEXT_PROMPT"
    }
  ],
  "parameters": {
    "sampleCount": IMAGE_COUNT,
    "addWatermark": true
  }
}

Per inviare la richiesta, scegli una delle seguenti opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_VERSION:predict"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_VERSION:predict" | Select-Object -Expand Content
La seguente risposta di esempio è per una richiesta con "sampleCount": 2. La risposta restituisce due oggetti di previsione, con i byte dell'immagine generata codificati in base64. Il watermark digitale viene aggiunto automaticamente alle immagini, quindi la risposta è la stessa di una risposta senza watermark. 
{
  "predictions": [
    {
      "mimeType": "image/png",
      "bytesBase64Encoded": "BASE64_IMG_BYTES"
    },
    {
      "bytesBase64Encoded": "BASE64_IMG_BYTES",
      "mimeType": "image/png"
    }
  ]
}

SDK Vertex AI per Python 


import vertexai
from vertexai.preview.vision_models import ImageGenerationModel

# TODO(developer): Update and un-comment below lines
# PROJECT_ID = "your-project-id"
# output_file = "input-image.png"
# prompt = "" # The text prompt describing what you want to see.

vertexai.init(project=PROJECT_ID, location="us-central1")

model = ImageGenerationModel.from_pretrained("imagen-3.0-generate-002")

images = model.generate_images(
    prompt=prompt,
    # Optional parameters
    number_of_images=1,
    language="en",
    # You can't use a seed value and watermark at the same time.
    # add_watermark=False,
    # seed=100,
    aspect_ratio="1:1",
    safety_filter_level="block_some",
    person_generation="allow_adult",
)

images[0].save(location=output_file, include_generation_parameters=False)

# Optional. View the generated image in a notebook.
# images[0].show()

print(f"Created output image using {len(images[0]._image_bytes)} bytes")
# Example response:
# Created output image using 1234567 bytes

Node.js 

/**
 * TODO(developer): Update these variables before running the sample.
 */
const projectId = process.env.CAIP_PROJECT_ID;
const location = 'us-central1';
const prompt = 'a dog reading a newspaper';

const aiplatform = require('@google-cloud/aiplatform');

// Imports the Google Cloud Prediction Service Client library
const {PredictionServiceClient} = aiplatform.v1;

// Import the helper module for converting arbitrary protobuf.Value objects
const {helpers} = aiplatform;

// Specifies the location of the api endpoint
const clientOptions = {
  apiEndpoint: `${location}-aiplatform.googleapis.com`,
};

// Instantiates a client
const predictionServiceClient = new PredictionServiceClient(clientOptions);

async function generateImage() {
  const fs = require('fs');
  const util = require('util');
  // Configure the parent resource
  const endpoint = `projects/${projectId}/locations/${location}/publishers/google/models/imagen-3.0-generate-001`;

  const promptText = {
    prompt: prompt, // The text prompt describing what you want to see
  };
  const instanceValue = helpers.toValue(promptText);
  const instances = [instanceValue];

  const parameter = {
    sampleCount: 1,
    // You can't use a seed value and watermark at the same time.
    // seed: 100,
    // addWatermark: false,
    aspectRatio: '1:1',
    safetyFilterLevel: 'block_some',
    personGeneration: 'allow_adult',
  };
  const parameters = helpers.toValue(parameter);

  const request = {
    endpoint,
    instances,
    parameters,
  };

  // Predict request
  const [response] = await predictionServiceClient.predict(request);
  const predictions = response.predictions;
  if (predictions.length === 0) {
    console.log(
      'No image was generated. Check the request parameters and prompt.'
    );
  } else {
    let i = 1;
    for (const prediction of predictions) {
      const buff = Buffer.from(
        prediction.structValue.fields.bytesBase64Encoded.stringValue,
        'base64'
      );
      // Write image content to the output file
      const writeFile = util.promisify(fs.writeFile);
      const filename = `output${i}.png`;
      await writeFile(filename, buff);
      console.log(`Saved image ${filename}`);
      i++;
    }
  }
}
await generateImage();

Verificare un'immagine con filigrana

Utilizza i seguenti esempi per verificare che un'immagine abbia una filigrana.

Console

  1. Nella console Google Cloud, apri la scheda Vertex AI Studio > Media nella dashboard di Vertex AI.

    Vai alla scheda Vertex AI Studio

  2. Nel riquadro in basso, fai clic su Verifica.

  3. Fai clic su Carica immagine.

  4. Seleziona un'immagine generata salvata localmente.

    Esempio di filigrana verificata nell&#39;immagine generata nella console

REST

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • PROJECT_ID: il tuo Google Cloud ID progetto.
  • LOCATION: la regione del progetto. Ad esempio, us-central1, europe-west2 o asia-northeast3. Per un elenco delle regioni disponibili, consulta Località dell'IA generativa su Vertex AI.
  • B64_IMAGE: l'immagine da verificare che contiene una filigrana digitale. L'immagine deve essere specificata come stringa di byte codificata in base64. Dimensioni massime: 10 MB.

Metodo HTTP e URL: 

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/imageverification@001:predict

Corpo JSON della richiesta: 

{
  "instances": [
    {
      "image": {
        "bytesBase64Encoded": "B64_IMAGE"
      }
    }
  ],
  "parameters": {
    "watermarkVerification": true
  }
}

Per inviare la richiesta, scegli una delle seguenti opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/imageverification@001:predict"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/imageverification@001:predict" | Select-Object -Expand Content
La seguente risposta di esempio è relativa a una richiesta con un'immagine contenente una filigrana digitale. Il campo decision può restituire uno dei seguenti valori: ACCEPT o REJECT. 
{
  "predictions": [
    {
      "decision": "ACCEPT"
    }
  ]
}

SDK Vertex AI per Python 


import vertexai
from vertexai.preview.vision_models import (
    Image,
    WatermarkVerificationModel,
)

# TODO(developer): Update and un-comment below lines
# PROJECT_ID = "your-project-id"
# input_file = "input-image.png"

vertexai.init(project=PROJECT_ID, location="us-central1")

verification_model = WatermarkVerificationModel.from_pretrained(
    "imageverification@001"
)
image = Image.load_from_file(location=input_file)

watermark_verification_response = verification_model.verify_image(image)

print(
    f"Watermark verification result: {watermark_verification_response.watermark_verification_result}"
)
# Example response:
# Watermark verification result: ACCEPT
# or "REJECT" if the image does not contain a digital watermark.

Node.js 

/**
 * TODO(developer): Update these variables before running the sample.
 */
const projectId = process.env.CAIP_PROJECT_ID;
const location = 'us-central1';
const inputFile = 'resources/dog_newspaper.png'; // has watermark

const aiplatform = require('@google-cloud/aiplatform');

// Imports the Google Cloud Prediction Service Client library
const {PredictionServiceClient} = aiplatform.v1;

// Import the helper module for converting arbitrary protobuf.Value objects
const {helpers} = aiplatform;

// Specifies the location of the api endpoint
const clientOptions = {
  apiEndpoint: `${location}-aiplatform.googleapis.com`,
};

// Instantiates a client
const predictionServiceClient = new PredictionServiceClient(clientOptions);

async function verifyImageWatermark() {
  const fs = require('fs');
  // Configure the parent resource
  const endpoint = `projects/${projectId}/locations/${location}/publishers/google/models/imageverification@001`;

  const imageFile = fs.readFileSync(inputFile);
  // Convert the image data to a Buffer and base64 encode it.
  const encodedImage = Buffer.from(imageFile).toString('base64');

  const instance = {
    image: {
      bytesBase64Encoded: encodedImage,
    },
  };
  const instanceValue = helpers.toValue(instance);
  const instances = [instanceValue];

  const request = {
    endpoint,
    instances,
  };

  // Predict request
  const [response] = await predictionServiceClient.predict(request);
  const predictions = response.predictions;
  if (predictions.length === 0) {
    console.log('No decision was generated. Check the request image.');
  } else {
    predictions.forEach(prediction => {
      // "ACCEPT" if the image contains a digital watermark
      // "REJECT" if the image does not contain a digital watermark
      console.log(prediction.structValue.fields.decision.stringValue);
    });
  }
}
await verifyImageWatermark();

Configurare le impostazioni di sicurezza dell'IA responsabile

Esistono diversi parametri di filtro RAI (AI responsabile) che puoi utilizzare con un modello di generazione di immagini. Ad esempio, puoi consentire al modello di segnalare i codici di filtro RAI per i contenuti bloccati, disattivare la generazione di persone o volti utilizzando i filtri RAI, impostare il livello di filtro dei contenuti o restituire i punteggi RAI arrotondati dell'elenco di attributi di sicurezza per input e output.

Per informazioni più dettagliate sull'IA responsabile (RAI), sui relativi parametri associati e sull'output di esempio, consulta Informazioni e configurazione dell'AI responsabile per Imagen.

Gli esempi riportati di seguito mostrano come impostare i parametri RAI disponibili per la generazione di immagini.

Console

  1. Nella console Google Cloud, apri la scheda Vertex AI Studio > Media nella dashboard di Vertex AI.

    Vai alla scheda Vertex AI Studio

  2. Aggiungi il prompt di testo e scegli i parametri di input.

  3. Se non è espansa, fai clic su Opzioni avanzate.

  4. Fai clic su Impostazioni di sicurezza.

  5. Scegli le impostazioni di sicurezza:

    • Generare persone/volti: scegli un'impostazione:
      • Allow (All ages)
      • Allow (Adults only)
      • Don't allow
    • Soglia del filtro di sicurezza: scegli un'impostazione:
      • Block low and above
      • Block medium and above
      • Block only high

  6. Fai clic su Salva.

  7. Fai clic su Genera.

REST

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • PROJECT_ID: il tuo Google Cloud ID progetto.
  • LOCATION: la regione del progetto. Ad esempio, us-central1, europe-west2 o asia-northeast3. Per un elenco delle regioni disponibili, consulta Località dell'IA generativa su Vertex AI.
  • TEXT_PROMPT: il prompt di testo che indica le immagini generate dal modello. Questo campo è obbligatorio sia per la generazione che per la modifica.
  • IMAGE_COUNT: il numero di immagini generate. Valori interi accettati: 1-8 (imagegeneration@002), 1-4 (tutte le altre versioni del modello). Valore predefinito: 4.
  • SAFETY_SETTING: facoltativo. Un'impostazione che controlla le soglie del filtro di sicurezza per le immagini generate. Valori disponibili:
    • block_low_and_above: la soglia di sicurezza più elevata, che comporta la maggior quantità di immagini generate filtrate. Valore precedente: block_most.
    • block_medium_and_above (valore predefinito): una soglia di sicurezza media che bilancia il filtro per contenuti potenzialmente dannosi e sicuri. Valore precedente: block_some.
    • block_only_high: una soglia di sicurezza che riduce il numero di richieste bloccate a causa dei filtri di sicurezza. Questa impostazione potrebbe aumentare i contenuti discutibili generati da Imagen. Valore precedente: block_few.
  • PERSON_SETTING: facoltativo. L'impostazione di sicurezza che controlla il tipo di persone o generazione di volti consentita dal modello. Valori disponibili:
    • allow_all: consenti la generazione di persone di tutte le età. Questa opzione è disponibile solo per i clienti offline.
    • allow_adult (impostazione predefinita): consente la generazione solo di persone adulte, ad eccezione della generazione di celebrità. La generazione di celebrità non è consentita per nessuna impostazione.
    • dont_allow: disattiva l'inclusione di persone o volti nelle immagini generate.
  • INCLUDE_RAI_REASON: facoltativo. Un valore booleano che indica se attivare il codice di motivo filtrato dall'IA responsabile nelle risposte con input o output bloccati. Valore predefinito: false.
  • INCLUDE_SAFETY_ATTRIBUTES: facoltativo. Indica se attivare i punteggi dell'IA responsabile arrotondati per un elenco di attributi di sicurezza nelle risposte per input e output non filtrati. Categorie di attributi di sicurezza: "Death, Harm & Tragedy", "Firearms & Weapons", "Hate", "Health", "Illicit Drugs", "Politics", "Porn", "Religion & Belief", "Toxic", "Violence", "Vulgarity", "War & Conflict". Valore predefinito: false.

Metodo HTTP e URL: 

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/imagegeneration@006:predict

Corpo JSON della richiesta: 

{
  "instances": [
    {
      "prompt": "TEXT_PROMPT"
    }
  ],
  "parameters": {
    "sampleCount": IMAGE_COUNT,
    "safetySetting": "SAFETY_SETTING",
    "personGeneration": "PERSON_SETTING",
    "includeRaiReason": INCLUDE_RAI_REASON,
    "includeSafetyAttributes": INCLUDE_SAFETY_ATTRIBUTES
  }
}

Per inviare la richiesta, scegli una delle seguenti opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/imagegeneration@006:predict"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/imagegeneration@006:predict" | Select-Object -Expand Content
La risposta che ricevi dipende dalle impostazioni di sicurezza che hai impostato. Per ulteriori informazioni, consulta Comprendere e configurare l'IA responsabile (RAI) per Imagen.

Miglioramento dei prompt mediante il riscrittore di prompt

La versione 002 del modello Imagen 3 include una funzionalità di riscrittura del prompt che utilizza uno strumento di riscrittura del prompt basato su LLM. In genere, questo strumento aggiunge più dettagli al prompt fornito per generare immagini di qualità superiore che riflettano meglio il prompt fornito. Se disattivi questa funzionalità, la qualità e la conformità ai prompt delle immagini che ricevi potrebbero essere interessate. Questa funzionalità è attivata per impostazione predefinita.

Il prompt riscritto viene inviato tramite la risposta dell'API solo se il prompt originale è costituito da meno di 30 parole.

Console

  1. Nella console Google Cloud, apri la scheda Vertex AI Studio > Media nella dashboard di Vertex AI.

    Vai alla scheda Vertex AI Studio

  2. Aggiungi il prompt di testo e scegli i parametri di input.

  3. Nel riquadro Parametri, utilizza l'opzione di attivazione/disattivazione toggle_onAttiva il miglioramento della richiesta per lasciare attivato il miglioramento della richiesta o per disattivare questa funzionalità.

  4. Fai clic su Genera.

REST

Per ulteriori informazioni sulle richieste del modello imagegeneration, consulta la documentazione di riferimento dell'API del modello imagegeneration.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • PROJECT_ID: il tuo Google Cloud ID progetto.
  • MODEL_VERSION: la versione del modello di generazione di immagini da utilizzare. Valori disponibili che supportano il miglioramento della richiesta:
    • imagen-3.0-generate-002

    Per ulteriori informazioni sulle funzionalità e sulle versioni dei modelli, consulta le versioni del modello.

  • LOCATION: la regione del progetto. Ad esempio, us-central1, europe-west2 o asia-northeast3. Per un elenco delle regioni disponibili, consulta Località dell'IA generativa su Vertex AI.
  • TEXT_PROMPT: il prompt di testo che indica le immagini generate dal modello. Prima che le immagini vengano generate, questo prompt di base viene migliorato con più dettagli e un linguaggio descrittivo utilizzando lo strumento di riscrittura dei prompt basato su LLM.
  • IMAGE_COUNT: il numero di immagini generate. Valori interi accettati: 1-4. Valore predefinito: 4.
  • enhancePrompt: un valore booleano per attivare il miglioramento del prompt basato su LLM. Per impostazione predefinita, questo valore è impostato su true.

Metodo HTTP e URL: 

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_VERSION:predict

Corpo JSON della richiesta: 

{
  "instances": [
    {
      "prompt": "TEXT_PROMPT"
    }
  ],
  "parameters": {
    "sampleCount": IMAGE_COUNT,
    "enhancePrompt": true
  }
}

Per inviare la richiesta, scegli una delle seguenti opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_VERSION:predict"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_VERSION:predict" | Select-Object -Expand Content
Con il miglioramento del prompt abilitato, la risposta include un campo prompt aggiuntivo che mostra il prompt migliorato e l'immagine generata associata: 
  {
    "predictions": [
      {
        "mimeType": "MIME_TYPE",
        "prompt": "ENHANCED_PROMPT_1",
        "bytesBase64Encoded": "BASE64_IMG_BYTES_1"
      },
      {
        "mimeType": "MIME_TYPE",
        "prompt": "ENHANCED_PROMPT_2",
        "bytesBase64Encoded": "BASE64_IMG_BYTES_2"
      }
    ]
  }

Ad esempio, la seguente risposta di esempio è per una richiesta con "sampleCount": 2 e "prompt": "A raccoon wearing formal clothes, wearing a top hat. Oil painting in the style of Vincent Van Gogh.". La risposta restituisce due oggetti di previsione, ciascuno con il proprio prompt avanzato e i byte dell'immagine generata codificati in base64. 

{
  "predictions": [
    {
      "mimeType": "image/png",
      "prompt": "An oil painting in the style of Vincent van Gogh, depicting a raccoon adorned
        in a finely tailored tuxedo, complete with a crisp white shirt and a bow tie. The raccoon
        also sports a classic top hat, perched jauntily on its head. The painting uses thick,
        swirling brushstrokes characteristic of van Gogh, with vibrant hues of blue, yellow, and
        green in the background, contrasting with the dark tones of the raccoon's attire. The light
        source is subtly placed, casting a dramatic shadow of the raccoon's attire onto the surface
        it sits upon, further enhancing the depth and dimensionality of the composition. The
        overall impression is one of a whimsical and sophisticated character, a raccoon elevated to
        a higher class through its formal attire, rendered in van Gogh's iconic style.",
      "bytesBase64Encoded": "BASE64_IMG_BYTES"
    },
    {
      "mimeType": "image/png",
      "prompt": "An oil painting in the style of Vincent van Gogh featuring a raccoon in a
        dapper suit, complete with a black jacket, crisp white shirt, and a black bow tie. The
        raccoon is wearing a black top hat, adding a touch of elegance to its ensemble. The
        painting is rendered with characteristic van Gogh brushwork, utilizing thick, impasto
        strokes of color. The background is a swirl of blues, greens, and yellows, creating a
        vibrant yet slightly chaotic atmosphere that contrasts with the raccoon's formal attire.
        The lighting is dramatic, casting sharp shadows and highlighting the textures of the fabric
        and the raccoon's fur, enhancing the sense of realism within the fantastical scene. The
        composition focuses on the raccoon's proud posture, highlighting the whimsical contrast of
        a wild animal dressed in formal attire, captured in the unique artistic language of van
        Gogh. ",
      "bytesBase64Encoded": "BASE64_IMG_BYTES"
    }
  ]
}

Lingua del prompt di testo

Questo parametro facoltativo ti consente di impostare la lingua del testo di input per la generazione o la modifica delle immagini.

un&#39;immagine di un libro generata da un prompt in hindi
Immagine generata dal prompt: ऊपर से देखा गया किताबों का ढेर। सबसे ऊपरी पुस्तक में एक पक्षी का जलरंग चित्रण है। किताब पर VERTEX AI मोटे अक्षरों में लिखा हुआ है *

* Una pila di libri vista dall'alto. Il libro più in alto contiene un'illustrazione ad acquerello di un uccello. VERTEX AI è scritto in lettere maiuscole nel libro
un&#39;immagine di una donna da un prompt in coreano
Immagine generata dal prompt: 어두운 노란색과 청록색으로 이루어진 밝은 색의 옷을입고 귀걸이를 끼고있는 여자 포스트 모던 패션 사진 †

† Donna che indossa colori vivaci, nello stile del giallo scuro e del ciano scuro, con orecchini, fotografia di moda postmoderna

Prima di iniziare

Completa i seguenti passaggi aggiuntivi prima di utilizzare questa funzionalità:

  1. Utilizza il seguente comando per creare un'identità di servizio da utilizzare in Vertex AI nel tuo progetto:

    gcloud beta services identity create --service=aiplatform.googleapis.com --project=PROJECT_ID

  2. Richiedi l'accesso alle funzionalità. Per richiedere l'accesso, invia un'email al gruppo Google Cloud Accesso Trusted Tester: GenApp Builder. Fai riferimento ai prompt multilingue nel messaggio e includi il numero del progetto. Il processo di approvazione richiede in genere diverse ore.

Impostare la lingua del prompt di testo

Sono supportati i seguenti valori della lingua del prompt di testo di input:

  • Cinese (semplificato) (zh/zh-CN)
  • Cinese (tradizionale) (zh-TW)
  • Inglese (en, valore predefinito)
  • Hindi (hi)
  • Giapponese (ja)
  • Coreano (ko)
  • Portoghese (pt)

  • Spagnolo (es)

Console

Se il prompt è in una delle lingue supportate, Imagen rileva e traduce automaticamente il testo e restituisce le immagini generate o modificate.

Se il prompt è in una lingua non supportata, Imagen utilizza il testo verbatim per la richiesta. Ciò potrebbe comportare un output imprevisto.

REST

Per ulteriori informazioni sulle richieste del modello imagegeneration, consulta la documentazione di riferimento dell'API del modello imagegeneration.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • PROJECT_ID: il tuo Google Cloud ID progetto.
  • TEXT_PROMPT: il prompt di testo che indica le immagini generate dal modello. Questo campo è obbligatorio sia per la generazione che per la modifica.
  • PROMPT_LANGUAGE: il codice lingua che corrisponde alla lingua del prompt di testo. In questo esempio, sarà hi. Valori disponibili:
    • auto - Rilevamento automatico. Se Imagen rileva una lingua supportata, il prompt (e, facoltativamente, un prompt negativo) vengono tradotti in inglese. Se la lingua rilevata non è supportata, Imagen utilizza il testo inserito alla lettera, il che potrebbe comportare risultati inattesi. Non viene restituito alcun codice di errore.
    • en - Inglese (valore predefinito se omesso)
    • es - Spagnolo
    • hi - Hindi
    • ja - Giapponese
    • ko - Coreano
    • pt - Portoghese
    • zh-TW - Cinese (tradizionale)
    • zh o zh-CN - Cinese (semplificato)

Metodo HTTP e URL: 

POST https://us-central1-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/us-central1/publishers/google/models/imagegeneration@005:predict

Corpo JSON della richiesta: 

{
  "instances": [
    {
      "prompt": "सूर्यास्त के समय एक समुद्र तट। उड़ते पक्षी, हवा में लहराते नारियल के पेड़। लोग समुद्र तट पर सैर का आनंद ले रहे हैं।"
    }
  ],
  "parameters": {
    "language": "PROMPT_LANGUAGE"
  }
}

Per inviare la richiesta, scegli una delle seguenti opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://us-central1-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/us-central1/publishers/google/models/imagegeneration@005:predict"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://us-central1-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/us-central1/publishers/google/models/imagegeneration@005:predict" | Select-Object -Expand Content
La seguente risposta di esempio è per una richiesta con "sampleCount": 2. La risposta restituisce due oggetti di previsione, con i byte dell'immagine generata codificati in base64. 
{
  "predictions": [
    {
      "bytesBase64Encoded": "BASE64_IMG_BYTES",
      "mimeType": "image/png"
    },
    {
      "mimeType": "image/png",
      "bytesBase64Encoded": "BASE64_IMG_BYTES"
    }
  ]
}

Formato

A seconda di come intendi utilizzare le immagini generate, alcune proporzioni potrebbero funzionare meglio di altre. Scegli il formato più adatto al tuo caso d'uso.

Proporzioni supportate e relativo utilizzo previsto:

Formato Uso previsto Risoluzione immagine (pixel) Immagine di esempio
1:1 predefinito, quadrata, uso generale 1024x1024 (Imagen v.002)

1536x1536 (Imagen 2 v.005, v.006)

1024x1024 (Imagen 3)
Immagine di esempio generata nella console
Prompt: foto dall'alto di una cena a base di pasta, foto in studio nello stile della copertina di una rivista di cucina.
3:4 TV, media, film 1344x1792 (Imagen 2 v.006)

896x1280 (Imagen 3)
Immagine di esempio generata nella console
Stimolo: servizio fotografico commerciale, annuncio di profumi, bottiglia profumata alla lavanda e vaniglia su sfondo chiaro.
4:3 TV, media, film 1792x1344 (Imagen 2 v.006)

1280x896 (Imagen 3)
Immagine di esempio generata nella console
Prompt: servizio fotografico commerciale, sneakers alte verdi e grigie, 4K, angolazioni drammatiche.
9:16 ritratto, oggetti alti, dispositivi mobili 1134x2016 (Imagen 2 v.005, v.006)

768x1408 (Imagen 3)
Immagine di esempio generata nella console
Suggerimento: grattacieli a New York, rendering futuristico, concept, arte digitale.
16:9 paesaggio 2016x1134 (Imagen 2 v.006)

1408x768 (Imagen 3)
Immagine di esempio generata nella console
Prompt: fotografia naturalistica, una spiaggia alle Hawaii con l'oceano sullo sfondo, bagliore dell'obiettivo, tramonto.

Console

  1. Segui le istruzioni per la generazione di immagini con testo per aprire Vertex AI Studio e inserire il prompt di testo.

  2. Nel riquadro Parametri, seleziona un'opzione dal menu Rapporto aspetto.

  3. Fai clic su Genera.

REST

Le proporzioni sono un campo facoltativo nell'oggetto parameters di un corpo della richiesta JSON.

  1. Segui le istruzioni per generare un'immagine con testo per sostituire altre variabili del corpo della richiesta.

  2. Sostituisci quanto segue:

    • ASPECT_RATIO: facoltativo. Un parametro della modalità di generazione che controlla le proporzioni. Valori del rapporto supportati e relativo utilizzo previsto:
      • 1:1 (valore predefinito, quadrato)
      • 3:4 (annunci, social media)
      • 4:3 (TV, fotografia)
      • 16:9 (orizzontale)
      • 9:16 (verticale)
    {
  "instances": [
    ...
  ],
  "parameters": {
    "sampleCount": IMAGE_COUNT,
    "aspectRatio": "ASPECT_RATIO"
  }
}

  3. Segui le istruzioni per la generazione di immagini con testo per inviare la richiesta REST.

Numero risultati

Utilizza il parametro del numero di risultati per limitare la quantità di immagini restituite per ogni richiesta (di generazione o modifica) inviata.

Console

  1. Segui le istruzioni per la generazione di immagini con testo per aprire Vertex AI Studio e inserire il prompt di testo.

  2. Nel riquadro Parametri, seleziona un valore intero valido nel campo Numero di risultati.

  3. Fai clic su Genera.

REST

Per ulteriori informazioni sulle richieste del modello imagegeneration, consulta la documentazione di riferimento dell'API del modello imagegeneration.

Il numero di risultati è un campo dell'oggetto parameters del corpo della richiesta JSON.

  1. Segui le istruzioni per generare un'immagine con testo per sostituire altre variabili del corpo della richiesta.

  2. Sostituisci quanto segue:

    • IMAGE_COUNT: il numero di immagini generate. Valori interi accettati: 1-8 (imagegeneration@002), 1-4 (tutte le altre versioni del modello). Valore predefinito: 4.
    {
  "instances": [
    ...
  ],
  "parameters": { 
    "sampleCount": IMAGE_COUNT
  }
}

  3. Segui le istruzioni per la generazione di immagini con testo per inviare la richiesta REST.

Prompt negativo

Un prompt negativo è una descrizione di ciò che vuoi omettere nelle immagini generate. Ad esempio, prendi in considerazione il prompt "una strada cittadina piovosa di notte senza persone". Il modello potrebbe interpretare "persone" come una direttiva su cosa includere anziché omettere. Per generare risultati migliori, puoi utilizzare il prompt "una strada cittadina piovosa di notte" con un prompt negativo "persone".

Imagen genera queste immagini con e senza un prompt negativo:

Solo prompt di testo

  • Prompt di testo: "una pizza"

tre immagini di pizza di esempio

Prompt di testo e prompt negativo

  • Prompt di testo: "una pizza"
  • Prompt negativo: "pepperoni"

tre immagini di pizza di esempio senza salame piccante

Console

  1. Segui le istruzioni per la generazione di immagini con testo per aprire Vertex AI Studio e inserire il prompt di testo.

  2. Nel riquadro Parametri, inserisci un prompt negativo nel campo Prompt negativo.

  3. Fai clic su Genera.

REST

Per ulteriori informazioni sulle richieste del modello imagegeneration, consulta la documentazione di riferimento dell'API del modello imagegeneration.

Il prompt negativo è un campo facoltativo nell'oggetto parameters di un corpo della richiesta JSON.

  1. Segui le istruzioni per generare un'immagine con testo per sostituire altre variabili del corpo della richiesta.

  2. Sostituisci quanto segue:

    • NEGATIVE_PROMPT: un prompt negativo per contribuire a generare le immagini. Ad esempio: "animals" (rimuove gli animali), "blurry" (rende l'immagine più chiara), "text" (rimuove il testo) o "cropped" (rimuove le immagini ritagliate). 
    {
  "instances": [
    ...
  ],
  "parameters": {
    "sampleCount": IMAGE_COUNT,
    "negativePrompt": "NEGATIVE_PROMPT"
  }
}

  3. Segui le istruzioni per la generazione di immagini con testo per inviare la richiesta REST.

Numero seed

Un numero seed è un numero che aggiungi a una richiesta per rendere deterministiche le immagini generate. L'aggiunta di un numero seed alla richiesta è un modo per assicurarti di ricevere sempre le stesse immagini generate. Ad esempio, puoi fornire un prompt, impostare il numero di risultati su 1 e utilizzare un numero seed per ottenere la stessa immagine ogni volta che utilizzi gli stessi valori di input. Se invii la stessa richiesta con il numero di risultati impostato su 8, riceverai le stesse otto immagini. Tuttavia, le immagini non vengono necessariamente restituite nello stesso ordine.

Console

  1. Segui le istruzioni per la generazione di immagini con testo per aprire Vertex AI Studio e inserire il prompt di testo.

  2. Nel riquadro Parametri, fai clic sulla sezione espandibile Opzioni avanzate.

  3. Nel campo Seed, inserisci un numero seed.

  4. Fai clic su Genera.

REST

Per ulteriori informazioni sulle richieste del modello imagegeneration, consulta la documentazione di riferimento dell'API del modello imagegeneration.

Il numero di seed è un campo facoltativo nell'oggetto parameters del corpo della richiesta JSON.

  1. Segui le istruzioni per generare un'immagine con testo per sostituire altre variabili del corpo della richiesta.

  2. Sostituisci quanto segue:

    • SEED_NUMBER: qualsiasi numero intero non negativo fornito per rendere deterministiche le immagini di output. Se fornisci lo stesso numero di seed, otterrai sempre le stesse immagini di output. Valori interi accettati: 1 - 2147483647. 
    {
  "instances": [
    ...
  ],
  "parameters": {
    "sampleCount": IMAGE_COUNT,
    "seed": SEED_NUMBER,
    // required for model version 006 and greater only when using a seed number
    "addWatermark": false
  }
}

  3. Segui le istruzioni per la generazione di immagini con testo per inviare la richiesta REST.

Stile predefinito

Lo stile di immagine che vuoi generare. Puoi utilizzare questa funzionalità per creare immagini in stili popolari come arte digitale, acquerello o cyberpunk.

Console

  1. Segui le istruzioni per la generazione di immagini con testo per aprire Vertex AI Studio e inserire il prompt di testo.

  2. Nella sezione Stile del riquadro Parametri, scegli uno stile dal menu.

  3. Fai clic su Genera.

REST

Per ulteriori informazioni sulle richieste del modello imagegeneration, consulta la documentazione di riferimento dell'API del modello imagegeneration.

Lo stile predefinito è un campo facoltativo nell'oggetto parameters del corpo della richiesta JSON.

  1. Segui le istruzioni per generare un'immagine con testo per sostituire altre variabili del corpo della richiesta.

  2. Sostituisci quanto segue:

    • IMAGE_STYLE: uno degli stili predefiniti disponibili:
      • photograph
      • digital_art
      • landscape
      • sketch
      • watercolor
      • cyberpunk
      • pop_art
    {
  "instances": [
    ...
  ],
  "parameters": {
    "sampleCount": IMAGE_COUNT,
    "sampleImageStyle": "IMAGE_STYLE"
  }
}

  3. Segui le istruzioni per la generazione di immagini con testo per inviare la richiesta REST.

Aumentare la risoluzione di un'immagine

Utilizza l'upscaling per aumentare le dimensioni delle immagini esistenti, generate o modificate senza perdere qualità.

Console

  1. Segui le istruzioni per la generazione di immagini con testo per generare le immagini.

  2. Seleziona l'immagine da ridimensionare.

  3. Fai clic su Esporta.

  4. Seleziona Aumenta la risoluzione delle immagini.

  5. Scegli un valore dal campo Fattore di scala.

  6. Fai clic su Esporta per salvare l'immagine upscalata.

REST

Per ulteriori informazioni sulle richieste del modello imagegeneration, consulta la documentazione di riferimento dell'API del modello imagegeneration.

La modalità di upscaling è un campo facoltativo nell'oggetto parameters di un corpo della richiesta JSON. Quando esegui l'upscaling di un'immagine utilizzando l'API, specifica "mode": "upscale" e upscaleConfig.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • LOCATION: la regione del progetto. Ad esempio, us-central1, europe-west2 o asia-northeast3. Per un elenco delle regioni disponibili, consulta Località dell'IA generativa su Vertex AI.
  • PROJECT_ID: il tuo Google Cloud ID progetto.
  • B64_BASE_IMAGE: l'immagine di base da modificare o aumentare di risoluzione. L'immagine deve essere specificata come stringa di byte codificata in base64. Dimensioni massime: 10 MB.
  • IMAGE_SOURCE: la posizione in Cloud Storage dell'immagine che vuoi modificare o ridimensionare. Ad esempio: gs://output-bucket/source-photos/photo.png.
  • UPSCALE_FACTOR: facoltativo. Il fattore a cui verrà aumentata la risoluzione dell'immagine. Se non viene specificato, il fattore di aumento verrà determinato dal lato più lungo dell'immagine di input e da sampleImageSize. Valori disponibili: x2 o x4 .

Metodo HTTP e URL: 

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/imagegeneration@002:predict

Corpo JSON della richiesta: 

{
  "instances": [
    {
      "prompt": "",
      "image": {
        // use one of the following to specify the image to upscale
        "bytesBase64Encoded": "B64_BASE_IMAGE"
        "gcsUri": "IMAGE_SOURCE"
        // end of base image input options
      },
    }
  ],
  "parameters": {
    "sampleCount": 1,
    "mode": "upscale",
    "upscaleConfig": {
      "upscaleFactor": "UPSCALE_FACTOR"
    }
  }
}

Per inviare la richiesta, scegli una delle seguenti opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/imagegeneration@002:predict"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/imagegeneration@002:predict" | Select-Object -Expand Content

Dovresti ricevere una risposta JSON simile alla seguente:

{
  "predictions": [
    {
      "mimeType": "image/png",
      "bytesBase64Encoded": "iVBOR..[base64-encoded-upscaled-image]...YII="
    }
  ]
}

Passaggi successivi

Leggi gli articoli su Imagen e su altri prodotti di IA generativa su Vertex AI:

Indietro
Guida agli attributi di prompt e immagine
Avanti
Genera immagini