Le didascalie visive consentono di generare una descrizione pertinente per un'immagine. Tu possono usare queste informazioni per vari usi:
- Ottieni metadati più dettagliati sulle immagini per l'archiviazione e la ricerca.
- Genera sottotitoli automatici a supporto dei casi d'uso di accessibilità.
- Ricevi brevi descrizioni di prodotti e risorse visive.
Fonte dell'immagine: Santhosh Kumar su Unsplash (ritaglio)
Didascalia (formato breve): una camicia blu con pois bianchi appesa a un gancio
Lingue supportate
I sottotitoli codificati visivi sono disponibili nelle seguenti lingue:
- Inglese (
en
) - Francese (
fr
) - Tedesco (
de
) - Italiano (
it
) - Spagnolo (
es
)
Prestazioni e limitazioni
Quando utilizzi questo modello, si applicano i seguenti limiti:
Limiti | Valore |
---|---|
Numero massimo di richieste API (formato breve) al minuto per progetto | 500 |
Numero massimo di token restituiti nella risposta (formato breve) | 64 token |
Numero massimo di token accettati nella richiesta (solo VQA nel formato breve) | 80 token |
Numero massimo di token restituiti nella risposta (formato lungo) | 512 token |
Quando utilizzi questo strumento, vengono applicate le seguenti stime di latenza del servizio model. Questi valori hanno scopo puramente illustrativo e non costituiscono una promessa di servizio:
Latenza | Valore |
---|---|
Richieste API (formato breve) | 1,5 secondi |
Richieste API (formato lungo) | 4,5 secondi |
Località
Una località è una regione che puoi specificare in una richiesta controllare dove vengono archiviati i dati at-rest. Per un elenco delle aree geografiche disponibili, vedi IA generativa nelle località di Vertex AI.
Filtro sicurezza IA responsabile
Il modello di funzionalità per le didascalie delle immagini e la risposta alle domande visive (VQA) Supporta filtri di sicurezza configurabili dall'utente. Tuttavia, nel complesso Sicurezza Imagen vengono applicati i seguenti dati:
- Input utente
- Output del modello
Di conseguenza, l'output può essere diverso da quello di esempio se Imagen applica questi filtri di sicurezza. Considera quanto segue. esempi.
Input filtrato
Se l'input viene filtrato, la risposta è simile alla seguente:
{
"error": {
"code": 400,
"message": "Media reasoning failed with the following error: The response is blocked, as it may violate our policies. If you believe this is an error, please send feedback to your account team. Error Code: 63429089, 72817394",
"status": "INVALID_ARGUMENT",
"details": [
{
"@type": "type.googleapis.com/google.rpc.DebugInfo",
"detail": "[ORIGINAL ERROR] generic::invalid_argument: Media reasoning failed with the following error: The response is blocked, as it may violate our policies. If you believe this is an error, please send feedback to your account team. Error Code: 63429089, 72817394 [google.rpc.error_details_ext] { message: \"Media reasoning failed with the following error: The response is blocked, as it may violate our policies. If you believe this is an error, please send feedback to your account team. Error Code: 63429089, 72817394\" }"
}
]
}
}
Output filtrato
Se il numero di risposte restituite è inferiore al numero di campioni specificato,
Ciò significa che le risposte mancanti vengono filtrate dall'AI responsabile. Ad esempio:
La seguente è una risposta a una richiesta con "sampleCount": 2
, ma uno dei
risposte vengono escluse:
{
"predictions": [
"cappuccino"
]
}
Se tutto l'output viene filtrato, la risposta è un oggetto vuoto simile al seguenti:
{}
Visualizza didascalie delle immagini brevi
Usa gli esempi riportati di seguito per generare didascalie brevi per un'immagine.
REST
Per ulteriori informazioni sulle richieste del modello imagetext
, consulta
Riferimento all'API del modello imagetext
.
Prima di utilizzare i dati della richiesta, effettua le seguenti sostituzioni:
- PROJECT_ID: il tuo ID progetto Google Cloud.
- LOCATION: la regione del tuo progetto. Ad esempio:
us-central1
,europe-west2
oasia-northeast3
. Per una lista delle regioni disponibili, consulta L'IA generativa nelle località di Vertex AI. - B64_IMAGE: l'immagine per la quale visualizzare i sottotitoli codificati. L'immagine deve essere specificato come stringa di byte con codifica base64. Limite dimensioni: 10 MB
- RESPONSE_COUNT: il numero di didascalie delle immagini che vuoi generare. Numero intero accettato valori: 1-3.
- LANGUAGE_CODE: uno dei codici lingua supportati. Lingue supportate:
- Inglese (
en
) - Francese (
fr
) - Tedesco (
de
) - Italiano (
it
) - Spagnolo (
es
)
- Inglese (
Metodo HTTP e URL:
POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/imagetext:predict
Corpo JSON della richiesta:
{ "instances": [ { "image": { "bytesBase64Encoded": "B64_IMAGE" } } ], "parameters": { "sampleCount": RESPONSE_COUNT, "language": "LANGUAGE_CODE" } }
Per inviare la richiesta, scegli una delle seguenti opzioni:
curl
Salva il corpo della richiesta in un file denominato request.json
.
ed esegui questo comando:
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/imagetext:predict"
PowerShell
Salva il corpo della richiesta in un file denominato request.json
.
ed esegui questo comando:
$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/imagetext:predict" | Select-Object -Expand Content
"sampleCount": 2
. La risposta restituisce due stringhe di previsione.
Inglese (en
):
{ "predictions": [ "a yellow mug with a sheep on it sits next to a slice of cake", "a cup of coffee with a heart shaped latte art next to a slice of cake" ], "deployedModelId": "DEPLOYED_MODEL_ID", "model": "projects/PROJECT_ID/locations/LOCATION/models/MODEL_ID", "modelDisplayName": "MODEL_DISPLAYNAME", "modelVersionId": "1" }
Spagnolo (es
):
{ "predictions": [ "una taza de café junto a un plato de pastel de chocolate", "una taza de café con una forma de corazón en la espuma" ] }
Python
Prima di provare questo esempio, segui le istruzioni per la configurazione di Python nel Guida rapida di Vertex AI con librerie client. Per ulteriori informazioni, consulta API Python Vertex AI documentazione di riferimento.
Per eseguire l'autenticazione su Vertex AI, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per un ambiente di sviluppo locale.
In questo esempio viene utilizzato il metodo load_from_file
per fare riferimento a un file locale come
Image
per cui ricevere una didascalia. Dopo aver specificato
utilizza il metodo get_captions
nella
ImageTextModel
e stampa l'output.
Utilizzare i parametri per le didascalie delle immagini
Per ottenere le didascalie delle immagini, esistono diversi parametri che puoi impostare a seconda del caso d'uso.
Numero risultati
Utilizza il parametro del numero di risultati per limitare la quantità di sottotitoli restituiti per
per ogni richiesta che invii. Per ulteriori informazioni, consulta
Riferimento API del modello imagetext
(per le didascalie delle immagini).
Numero originale
Un numero che aggiungi a una richiesta per rendere deterministiche le descrizioni generate.
Aggiungere un numero seed alla tua richiesta è un modo per assicurarti di ottenere lo stesso
previsione (descrizioni) ogni volta. Tuttavia, le didascalie delle immagini non sono
restituiti necessariamente nello stesso ordine. Per ulteriori informazioni, consulta
Riferimento API del modello imagetext
(per le didascalie delle immagini).
Passaggi successivi
- Guarda i video che descrivono i modelli di base di Vertex AI, tra cui Imagen, il modello di base da testo a immagine che consente di generare modifica immagini:
- Leggi il blog post che descrive Imagen su Vertex AI e IA generativa su Vertex AI: