Los subtítulos visuales te permiten generar una descripción relevante para una imagen. Puedes usar esta información para diversos usos:
- Obtener metadatos más detallados sobre las imágenes para almacenar y buscar.
- Generar subtítulos automáticos para casos de uso de accesibilidad.
- Recibir descripciones rápidas de productos y elementos visuales.
Fuente de la imagen: Santhosh Kumar en Unsplash (recortado)
Subtítulo (formato corto): una camisa azul con lunares blancos cuelga de un gancho
Idiomas compatibles
Las leyendas visuales están disponibles en los siguientes idiomas:
- Inglés (
en
) - Francés (
fr
) - Alemán (
de
) - Italiano (
it
) - Español (
es
)
Rendimiento y limitaciones
Se aplican los siguientes límites cuando usas este modelo:
Límites | Valor |
---|---|
Cantidad máxima de solicitudes a la API (formato corto) por minuto y por proyecto | 500 |
Cantidad máxima de tokens mostrados en respuesta (formato corto) | 64 tokens |
Cantidad máxima de tokens aceptados en la solicitud (solo VQA en formato corto) | 80 tokens |
Cantidad máxima de tokens mostrados en respuesta (formato largo) | 512 tokens |
Cuando usas este modelo, se aplican las siguientes estimaciones de latencia del servicio. Estos valores son ilustrativos y no son una promesa de servicio:
Latencia | Valor |
---|---|
Solicitudes a la API (formato corto) | 1.5 segundos |
Solicitudes a la API (formato largo) | 4.5 seconds |
Ubicaciones
Una ubicación es una región que puedes especificar en una solicitud para controlar dónde se almacenan los datos en reposo. Para obtener una lista de las regiones disponibles, consulta IA generativa en ubicaciones de Vertex AI.
Obtén subtítulos de imágenes de formato corto
Usa las siguientes muestras para generar subtítulos cortos de una imagen.
Console
En la consola de Google Cloud, abre la pestaña Vertex AI Studio > Vision en el panel de Vertex AI.
En el menú inferior, haz clic en Subtítulos.
Haz clic en Subir imagen para seleccionar la imagen local que quieres subtitular.
En el panel Parámetros, elige Número de subtítulos e Idioma.
Haz clic en
Generar subtítulos.
REST
Para obtener más información sobre imagetext
las solicitudes del modelo, consulta la
imagetext
referencia de la API del modelo.
Antes de usar cualquiera de los datos de solicitud a continuación, realiza los siguientes reemplazos:
- PROJECT_ID: El ID del proyecto de Google Cloud.
- LOCATION: La región del proyecto. Por ejemplo,
us-central1
,europe-west2
oasia-northeast3
. Para obtener una lista de las regiones disponibles, consulta IA generativa en ubicaciones de Vertex AI. - B64_IMAGE: es la imagen para la que se deben obtener subtítulos. La imagen debe especificarse como una cadena de bytes codificada en base64. Límite de tamaño: 10 MB.
- RESPONSE_COUNT: La cantidad de subtítulos de imágenes que deseas generar. Valores de números enteros aceptados: de 1 a 3.
- LANGUAGE_CODE: Uno de los códigos de idioma compatibles. Idiomas admitidos:
- Inglés (
en
) - Francés (
fr
) - Alemán (
de
) - Italiano (
it
) - Español (
es
)
- Inglés (
Método HTTP y URL:
POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/imagetext:predict
Cuerpo JSON de la solicitud:
{ "instances": [ { "image": { "bytesBase64Encoded": "B64_IMAGE" } } ], "parameters": { "sampleCount": RESPONSE_COUNT, "language": "LANGUAGE_CODE" } }
Para enviar tu solicitud, elige una de estas opciones:
curl
Guarda el cuerpo de la solicitud en un archivo llamado request.json
y ejecuta el siguiente 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
Guarda el cuerpo de la solicitud en un archivo llamado request.json
y ejecuta el siguiente 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 respuesta muestra dos cadenas de predicción.
Inglés (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" }
Español (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
Antes de probar este ejemplo, sigue las instrucciones de configuración para Python incluidas en la guía de inicio rápido de Vertex AI sobre cómo usar bibliotecas cliente. Para obtener más información, consulta la documentación de referencia de la API de Vertex AI Python.
Para autenticarte en Vertex AI, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
En este ejemplo, se usa el método load_from_file
para hacer referencia a un archivo local como la base Image
para obtener una leyenda. Después de especificar la imagen
base, usa el método get_captions
en
ImageTextModel
y, luego, imprime el resultado.
Usa parámetros para la leyenda de imágenes
Cuando obtienes subtítulos de imágenes, hay varios parámetros que puedes configurar según tu caso de uso.
Cantidad de resultados
Usa el parámetro de cantidad de resultados para limitar la cantidad de subtítulos que se muestran de cada solicitud que envías. Para obtener más información, consulta la referencia de la API del modelo imagetext
(subtitulado de imágenes).
Número de origen
Un número que agregues a una solicitud para hacer que las descripciones generadas sean determinísticas.
Agregar un número de origen con tu solicitud es una forma de garantizar que obtengas la misma predicción (descripciones) cada vez. Sin embargo, los subtítulos de la imagen no se muestran necesariamente en el mismo orden. Para obtener más información, consulta la referencia de la API del modelo imagetext
(subtitulado de imágenes).
¿Qué sigue?
- Mira videos que describen modelos de base de Vertex AI, incluido Imagen, el modelo de base de texto a imagen que te permite generar y editar imágenes:
- Lee las entradas de blog que describen imágenes en IA generativa y Vertex AI en Vertex AI: