Didascalie delle immagini

imagetext è il nome del modello che supporta le didascalie delle immagini. imagetext genera una didascalia da un'immagine da te fornita in base alla lingua da te specificata. Il modello supporta le seguenti lingue: inglese (en), tedesco (de), francese (fr), spagnolo (es) e italiano (it).

Per esplorare questo modello nella console, consulta la scheda del modello Image Captioning in Model Garden.

Vai a Model Garden

Casi d'uso

Ecco alcuni casi d'uso comuni per le didascalie delle immagini:

  • I creator possono generare sottotitoli codificati per le immagini e i video caricati (ad esempio una breve descrizione di una sequenza video)
  • Genera didascalie per descrivere i prodotti
  • Integra i sottotitoli con un'app utilizzando l'API per creare nuove esperienze

Richiesta HTTP

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

Corpo della richiesta

{
  "instances": [
    {
      "image": {
        // Union field can be only one of the following:
        "bytesBase64Encoded": string,
        "gcsUri": string,
        // End of list of possible types for union field.
        "mimeType": string
      }
    }
  ],
  "parameters": {
    "sampleCount": integer,
    "storageUri": string,
    "language": string,
    "seed": integer
  }
}

Utilizza i seguenti parametri per il modello Imagen imagetext. Per scoprire di più, consulta Ottenere le descrizioni delle immagini utilizzando le didascalie visive.

Parametro Descrizione Valori accettati
instances Un array che contiene l'oggetto con i dettagli dell'immagine su cui ottenere informazioni. array (1 oggetto immagine consentito)
bytesBase64Encoded L'immagine da aggiungere alla didascalia. Stringa immagine con codifica Base64 (PNG o JPEG, max 20 MB)
gcsUri L'URI Cloud Storage dell'immagine da aggiungere alla didascalia. URI della stringa del file immagine in Cloud Storage (PNG o JPEG, massimo 20 MB)
mimeType Facoltativo. Il tipo MIME dell'immagine specificata. stringa (image/jpeg o image/png)
sampleCount Numero di stringhe di testo generate. Valore int: 1-3
seed Facoltativo. Il seme del generatore di numeri casuali (RNG, Random Number generator). Se il seed RNG è lo stesso per le richieste con gli input, i risultati della previsione saranno gli stessi. integer
storageUri Facoltativo. Il percorso di Cloud Storage in cui salvare le risposte di testo generate. string
language Facoltativo. Il prompt di testo per guidare la risposta. stringa: en (predefinito), de, fr, it, es

Richiesta di esempio

REST

Per testare un prompt di testo utilizzando l'API Vertex AI, invia una richiesta POST all'endpoint del modello del publisher.

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 o asia-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)

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
Le seguenti risposte di esempio si riferiscono a una richiesta con "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"
  ]
}

Corpo della risposta

{
  "predictions": [ string ]
}
Elemento risposta Descrizione
predictions Elenco di stringhe di testo che rappresentano le didascalie, ordinate per confidenza.

Esempio di risposta

{
  "predictions": [
    "text1",
    "text2"
  ]
}