Le didascalie visive consentono di generare una descrizione pertinente per un'immagine. Puoi utilizzare queste informazioni per diversi usi:
- Ottieni metadati più dettagliati sulle immagini per l'archiviazione e la ricerca.
- Genera sottotitoli automatici per supportare casi d'uso di accessibilità.
- Ricevi brevi descrizioni dei prodotti e delle risorse visive.
Fonte immagine: Santhosh Kumar su Unsplash (ritagliato)
Sottotitolo (breve): una camicia blu a pois bianchi appesa a un gancio
Lingue supportate
I sottotitoli codificati 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 in risposta (formato lungo) | 512 token |
Quando utilizzi questo modello, vengono applicate le seguenti stime di latenza del servizio. Questi valori hanno scopo illustrativo e non sono 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 per controllare dove sono archiviati i dati at-rest. Per un elenco delle regioni disponibili, consulta Generative AI on Vertex AI località.
Creare didascalie per le immagini nel formato breve
Utilizza i seguenti esempi per generare didascalie brevi per un'immagine.
Console
Nella console Google Cloud, apri la scheda Vertex AI Studio > Vision nella dashboard Vertex AI.
Nel menu in basso, fai clic su Sottotitolo.
Fai clic su Carica immagine per selezionare l'immagine locale da aggiungere alla didascalia.
Nel riquadro Parametri, scegli Numero di sottotitoli e Lingua.
Fai clic su
Genera didascalia.
REST
Per ulteriori informazioni sulle richieste del modello imagetext
, consulta la
documentazione di riferimento dell'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 un elenco delle regioni disponibili, consulta la pagina relativa all'IA generativa sulle località di Vertex AI. - B64_IMAGE: l'immagine per la quale ottenere i sottotitoli codificati. L'immagine deve essere specificata come una stringa di byte codificata in Base64. Dimensioni massime: 10 MB.
- RESPONSE_COUNT: il numero di didascalie delle immagini che vuoi generare. Valori interi accettati: 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:
arricciatura
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 di configurazione di Python riportate nella guida rapida di Vertex AI sull'utilizzo delle librerie client. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Python Vertex AI.
Per eseguire l'autenticazione in Vertex AI, configura le Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
In questo esempio utilizzerai il metodo load_from_file
per fare riferimento a un file locale come base Image
per cui ottenere una didascalia. Dopo aver specificato l'immagine di base, utilizza il metodo get_captions
su ImageTextModel
e stampa l'output.
Utilizzare i parametri per le didascalie delle immagini
Quando visualizzi le didascalie delle immagini, puoi impostare diversi parametri a seconda del caso d'uso.
Numero risultati
Utilizza il parametro del numero di risultati per limitare la quantità di sottotitoli restituiti per ogni richiesta inviata. Per maggiori informazioni, consulta il riferimento sull'API del modello imagetext
(titolaggio delle immagini).
Numero di origine
Un numero che aggiungi a una richiesta per rendere deterministiche le descrizioni generate.
L'aggiunta di un numero seed alla richiesta è un modo per assicurarti di ricevere ogni volta le stesse previsioni (descrizioni). Tuttavia, le didascalie delle immagini non
restituiscono necessariamente nello stesso ordine. Per maggiori informazioni, consulta il riferimento sull'API del modello imagetext
(titolaggio 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 ti consente di generare e modificare le immagini:
- Leggi il blog post che descrivono Imagen su Vertex AI e Generative AI su Vertex AI: