Kiel uzi Google Gemini API-ŝlosilon? AI ekzempla lernilo, instruado kaj trejnado inkluzivita

Google Gemini API-ŝlosiloj, ne plu zorgoj! Faru ĝin en unu minuto kaj adiaŭu zorgojn! ✌✌✌

Detalaj lerniloj instruos vin paŝon post paŝo, kaj eĉ novulo povas fariĝi majstro en sekundoj!

Adiaŭu maloportunajn paŝojn kaj havu ĝin facileAIArtefakto! Aliĝu al mi por malŝlosi la novan mondon de AI!

Post la apero de Gemini AI de Google, Google publikigis API-aliron al sia Gemini-modelo. Nun, Google disponigas API-aliron al Gemini Pro, inkluzive de tekstaj nur-modeloj kaj tekst-plus-vidaj modeloj. Ĉi tio estas rimarkinda lanĉo ĉar ĝis nun Guglo ne aldonis vidajn kapablojn al Bard, kiu funkcias nur tekstan modelon. Per ĉi tiu API-ŝlosilo, vi povas finfine testi la multmodalajn kapablojn de Gemini en via loka komputilo. Ni lernu kiel aliri kaj uzi la Gemini API en ĉi tiu gvidilo.

Notu:La Google Gemini API-ŝlosilo estas nuntempe senpaga por kaj tekstaj kaj vidaj modeloj. Ĝi estos senpaga ĝis ĝi estos ĝenerale disponebla komence de la venonta jaro. Sekve, vi povas sendi ĝis 60 petojn por minuto sen agordi fakturadon de Google Cloud aŭ pagi ajnajn kostojn.

Agordu Python kaj Pip en via komputilo

Iru al nia gvidilo en komputilo aŭ MacInstalu Python kaj Pip. Vi bezonas instalitan Python 3.9 aŭ pli altan.

Se vi uzas linux sistemo, vi povas sekvi nian lernilonInstalu Python kaj Pip sur Ubuntu aŭ aliaj distribuoj.

Vi povas ruli la sekvan komandon en la terminalo alKonfirmu Python kaj Pip estas instalita sur via komputilo. Ĝi resendas la numeron de versio.

python -V
pip -V

Post sukcesa instalado, rulu la sekvan komandon por instali la dependecojn de Generative AI de Google.

pip install -q -U google-generativeai

Kiel akiri Gemini Pro API-ŝlosilon?

Poste, vizitu makersuite.google.com/app/apikey kaj ensalutu per via Google-konto.

Sub API-Ŝlosiloj, alklakuKreu API-ŝlosilon en nova projekto" butono.

Kopiu la API-ŝlosilon kaj konservu ĝin en sekura loko. Neniam publikigu aŭ dividu API-ŝlosilojn.

Kiel uzi Gemini Pro API Key (reĝimo de simpla teksto)?

Simile al OpenAI, Guglo ankaŭ uzas Gemini API-ŝlosilojn rekte por disvolviĝo kaj testado. Mi skribis la kodon sufiĉe simpla, por ke ĝi estu facile provita kaj uzata de kutimaj uzantoj. En ĉi tiu ekzemplo, mi montros kiel uzi API-ŝlosilojn kun Gemini Pro tekstaj modeloj.

Unue, lanĉu vian plej ŝatatan kodredaktilon. Se vi estas nova, simple instalu Notepad ++. Por progresintaj uzantoj, Visual Studio Code estas bonega ilo.

import google.generativeai as genai
genai.configure(api_key='PASTE YOUR API KEY HERE')
model = genai.GenerativeModel('gemini-pro')
response = model.generate_content("What is the meaning of life?")
print(response.text)

Nun konservu la kodon kaj donu nomon al la dosiero. Nepre aldonu ĉe la fino .py. Mi nomis la dosieron gemini.py, kaj konservu ĝin sur la labortablo.

Poste, malfermu terminalon kaj rulu la sekvan komandon por moviĝi al la labortablo.

cd Desktop

Unufoje en la labortabla terminalo, simple rulu la sekvan komandon por ekzekuti uzante Python gemini.py dokumento.

python gemini.py

Nun ĝi respondos vian demandon gemini.py Temoj fiksitaj en la dosiero.

Vi povas modifi la demandon en la kodredaktilo, konservi ĝin kaj ruli ĝin denove gemini.py dosiero por ricevi novajn respondojn en la terminalo. Jen kiel vi uzas Google Gemini API-ŝlosilon por aliri nur tekstan modelon Gemini Pro.

Kiel uzi Gemini Pro API-ŝlosilojn (tekstaj kaj vidaj modeloj)

En ĉi tiu ekzemplo, mi montros kiel interagi kun Gemini Pro multmodala modelo. Ĝi ankoraŭ ne estas viva en Google Bard, sed per la API, vi povas tuj aliri ĝin. Feliĉe, la procezo ankaŭ estas tre facila kaj senjunta.

Malfermu novan dosieron en la kodredaktilo kaj algluu la kodon sube.

import google.generativeai as genai
import PIL.Image
img = PIL.Image.open('image.jpg')
genai.configure(api_key='PASTE YOUR API KEY HERE')
model = genai.GenerativeModel('gemini-pro-vision')
response = model.generate_content(["what is the total calorie count?", img])
print(response.text)

Nepre algluu vian Gemini API-ŝlosilon. Ĉi tie ni uzas gemini-pro-vision modelo, kiu estas teksta kaj vida modelo.

Nun konservu la dosieron sur via labortablo kaj aldonu post la dosiernomo .py. Mi nomos ĝin ĉi tie geminiv.py .

En la tria linio de kodo, kiel vi povas vidi, mi montras la AI al la image.jpg dosieroj, la dosiernomoj estas ĝuste la samaj. Kia ajn bildo vi laboras, certigu, ke ĝi estas konservita geminiv.py La dosieroj estas en la sama loko kaj havas la saman dosiernomon kun la ĝusta etendaĵo. Vi povas transdoni lokajn JPG kaj PNG-dosierojn ĝis 4MB.

En la sesa linio de kodo, vi povas demandi demandojn rilatajn al la bildo. Ĉar mi eniris manĝaĵon-rilatan bildon, mi petis Gemini Pro kalkuli la totalajn kaloriojn.

Nun estas tempo ruli la kodon en la terminalo. Nur movu al la labortablo (en mia kazo) kaj rulu la komandojn sube unu post alia. Se vi faras ajnajn ŝanĝojn, nepre konservu la dosieron.

cd Desktop
python geminiv.py

Gemini Pro vidaj modeloj respondas demandojn rekte. Vi povas demandi pliajn demandojn kaj peti la AI por klarigi kial.

Vi ankaŭ povas enigi alian bildon, sed certigu, ke ĝi kongruas kun la bildodosiernomo, ŝanĝu la demandon en la kodo kaj rulu denove. geminiv.py dosiero por ricevi novan respondon.

Kiel uzi Gemini Pro API-ŝlosilon en babileja formato?

Danke al la konciza kodo de unconv, vi povas babili kun Gemini Pro modelo uzante Gemini AI API-ŝlosilon en fina fenestro. Tiel, vi ne devas ŝanĝi la problemon en via kodo aŭ reruli la Python-dosieron por akiri novan eligon. Vi povas daŭrigi babili en la fina fenestro.

Plej bone, Google efektivigas babilhistorion denaske, do vi ne bezonas mane aldoni respondojn aŭ administri babilhistorion en tabeloj aŭ listoj. Kun simpla funkcio, Google povas stoki la tutan konversacian historion en babilsesio. La specifaj operacioj estas kiel sekvas:

Malfermu la kodon redaktilon kaj algluu la kodon sube.

import google.generativeai as genai
genai.configure(api_key='PASTE YOUR API KEY HERE')
model = genai.GenerativeModel('gemini-pro')
chat = model.start_chat()
while True:
message = input("You: ")
response = chat.send_message(message)
print("Gemini: " + response.text)

Kiel kutime, kopiu kaj algluu la ŝlosilon similan al la API supre.

Je ĉi tiu punkto, konservu la dosieron al via labortablo aŭ alia loko. Nepre aldonu ĉe la fino .py. Mi nomis ĝin geminichat.py dokumento.

Nun, malfermu la terminalon kaj movu al la labortablo. Poste, kuru geminichat.py dokumento.

cd Desktop
python geminichat.py

Nun vi povas facile daŭrigi la konversacion kaj ĝi memoros vian babilhistorion. Do ekzistas alia bonega maniero uzi Google Gemini API-ŝlosilojn.

Ĉi tiuj estas nur kelkaj ekzemploj de tio, kion vi povas fari kun Google Gemini per la API. Mi ĝojas, ke Guglo disponigas sian viziomodelon al entuziasmuloj kaj programistoj, kaj kunigas ĝin kun DALL-E 3 de OpenAI kaj Babilado GPT Komparu. Kvankam la vida modelo Gemini Pro ne estas tiel bona kiel la modelo GPT-4V, ĝi ankoraŭ estas sufiĉe bona. Ni antaŭĝojas la lanĉon de Gemini Ultra, kiu estos komparebla al la modelo GPT-4.

Preter tio, la Gemini Pro API respondas alimaniere al Google Bard, kiu ankaŭ estas funkciigita de tajlita versio de Gemini Pro. La respondoj de Bard ŝajnis iom banalaj, sed la API-respondoj de Gemini Pro estis pli viglaj kaj karakterizaj.

Ni atentos ĉiujn ŝanĝojn en ĉi tiu areo, do restu agordita por pli pri Gemini AI. Intertempe, bonvolu ankaŭ kontroli la Google Gemini API mem.