ആർട്ടിക്കിൾ ഡയറക്ടറി
Google ജെമിനി API കീകൾ, ഇനി വിഷമിക്കേണ്ട! ഒരു മിനിറ്റിനുള്ളിൽ അത് പൂർത്തിയാക്കി, ആശങ്കകളോട് വിട പറയൂ! ✌✌✌
വിശദമായ ട്യൂട്ടോറിയലുകൾ നിങ്ങളെ ഘട്ടം ഘട്ടമായി പഠിപ്പിക്കും, കൂടാതെ ഒരു തുടക്കക്കാരന് പോലും നിമിഷങ്ങൾക്കുള്ളിൽ മാസ്റ്ററാകാൻ കഴിയും!
മടുപ്പിക്കുന്ന ചുവടുവയ്പ്പുകൾക്ക് വിട പറഞ്ഞ് എളുപ്പത്തിൽ ഒരു AI പവർഹൗസ് സ്വന്തമാക്കൂ! AI യുടെ പുതിയൊരു ലോകം അൺലോക്ക് ചെയ്യുന്നതിൽ എന്നോടൊപ്പം ചേരൂ!

ഗൂഗിളിൻ്റെ ജെമിനി എഐയുടെ വരവിനുശേഷം, ഗൂഗിൾ അതിൻ്റെ ജെമിനി മോഡലിലേക്ക് എപിഐ ആക്സസ്സ് പുറത്തിറക്കി. ഇപ്പോൾ, ടെക്സ്റ്റ് മാത്രമുള്ള മോഡലുകളും ടെക്സ്റ്റ് പ്ലസ് വിഷ്വൽ മോഡലുകളും ഉൾപ്പെടെ ജെമിനി പ്രോയിലേക്ക് Google API ആക്സസ് നൽകുന്നു. ഇതൊരു ശ്രദ്ധേയമായ ലോഞ്ചാണ്, കാരണം ഇന്നുവരെ, ടെക്സ്റ്റ്-മാത്രം മോഡൽ പ്രവർത്തിപ്പിക്കുന്ന ബാർഡിലേക്ക് Google ദൃശ്യ ശേഷികൾ ചേർത്തിട്ടില്ല. ഈ API കീ ഉപയോഗിച്ച്, നിങ്ങളുടെ ലോക്കൽ കമ്പ്യൂട്ടറിൽ ജെമിനിയുടെ മൾട്ടിമോഡൽ കഴിവുകൾ നിങ്ങൾക്ക് ഒടുവിൽ പരീക്ഷിക്കാം. ഈ ഗൈഡിൽ ജെമിനി API എങ്ങനെ ആക്സസ് ചെയ്യാമെന്നും ഉപയോഗിക്കാമെന്നും നമുക്ക് പഠിക്കാം.
കുറിപ്പ്: ടെക്സ്റ്റ്, വിഷ്വൽ മോഡലുകൾക്ക് നിലവിൽ Google Gemini API കീകൾ സൗജന്യമാണ്. അടുത്ത വർഷം ആദ്യം വരെ അവ പൂർണ്ണമായും ലഭ്യമാകുന്നതുവരെ അവ സൗജന്യമായി തുടരും. അതിനാൽ, Google Cloud ബില്ലിംഗ് സജ്ജീകരിക്കാതെയോ യാതൊരു നിരക്കുകളും ഈടാക്കാതെയോ നിങ്ങൾക്ക് മിനിറ്റിൽ 60 അഭ്യർത്ഥനകൾ വരെ അയയ്ക്കാൻ കഴിയും.
നിങ്ങളുടെ കമ്പ്യൂട്ടറിൽ പൈത്തണും പിപ്പും കോൺഫിഗർ ചെയ്യുക
നിങ്ങളുടെ പിസിയിലോ മാക്കിലോ പൈത്തണും പിപ്പും ഇൻസ്റ്റാൾ ചെയ്യുന്നതിന് ഞങ്ങളുടെ ഗൈഡ് പിന്തുടരുക . നിങ്ങൾക്ക് പൈത്തൺ 3.9 അല്ലെങ്കിൽ അതിനുശേഷമുള്ളത് ആവശ്യമാണ്.
നിങ്ങൾ ഒരു ലിനക്സ് സിസ്റ്റം ഉപയോഗിക്കുകയാണെങ്കിൽ , ഉബുണ്ടുവിലോ മറ്റ് വിതരണങ്ങളിലോ പൈത്തണും പിപ്പും ഇൻസ്റ്റാൾ ചെയ്യുന്നതിനുള്ള ഞങ്ങളുടെ ട്യൂട്ടോറിയൽ നിങ്ങൾക്ക് പിന്തുടരാം.
നിങ്ങളുടെ കമ്പ്യൂട്ടറിൽ പൈത്തണും പിപ്പും ഇൻസ്റ്റാൾ ചെയ്തിട്ടുണ്ടെന്ന് ഉറപ്പാക്കാൻ ടെർമിനലിൽ ഇനിപ്പറയുന്ന കമാൻഡ് പ്രവർത്തിപ്പിക്കാം . അത് പതിപ്പ് നമ്പർ തിരികെ നൽകും.
python -V pip -V

വിജയകരമായ ഇൻസ്റ്റാളേഷന് ശേഷം, Google-ൻ്റെ ജനറേറ്റീവ് AI ഡിപൻഡൻസികൾ ഇൻസ്റ്റാൾ ചെയ്യാൻ താഴെയുള്ള കമാൻഡ് പ്രവർത്തിപ്പിക്കുക.
pip install -q -U google-generativeai

ജെമിനി പ്രോ API കീ എങ്ങനെ നേടാം?
അടുത്തതായി, makersuite.google.com/app/apikey സന്ദർശിച്ച് നിങ്ങളുടെ Google അക്കൗണ്ട് ഉപയോഗിച്ച് ലോഗിൻ ചെയ്യുക.
API കീകൾക്ക് കീഴിൽ, " പുതിയ പ്രോജക്റ്റിൽ API കീ സൃഷ്ടിക്കുക " ബട്ടൺ ക്ലിക്കുചെയ്യുക.

API കീ പകർത്തി സുരക്ഷിതമായ സ്ഥലത്ത് സൂക്ഷിക്കുക. API കീകൾ ഒരിക്കലും പൊതുവായതാക്കുകയോ പങ്കിടുകയോ ചെയ്യരുത്.

ജെമിനി പ്രോ API കീ (പ്ലെയിൻ ടെക്സ്റ്റ് മോഡ്) എങ്ങനെ ഉപയോഗിക്കാം?
ഓപ്പൺഎഐ പോലെ, ഗൂഗിളും ജെമിനി എപിഐ കീകൾ ഡെവലപ്മെൻ്റിനും ടെസ്റ്റിംഗ് ആവശ്യങ്ങൾക്കും നേരിട്ട് ഉപയോഗിക്കുന്നു. ഞാൻ കോഡ് വളരെ ലളിതമായി എഴുതിയതിനാൽ സാധാരണ ഉപയോക്താക്കൾക്ക് ഇത് എളുപ്പത്തിൽ പരീക്ഷിക്കാനും ഉപയോഗിക്കാനും കഴിയും. ഈ ഉദാഹരണത്തിൽ, ജെമിനി പ്രോ ടെക്സ്റ്റ് മോഡലുകൾക്കൊപ്പം API കീകൾ എങ്ങനെ ഉപയോഗിക്കാമെന്ന് ഞാൻ കാണിച്ചുതരാം.
ആദ്യം, നിങ്ങൾക്ക് ഇഷ്ടപ്പെട്ട കോഡ് എഡിറ്റർ സമാരംഭിക്കുക. നിങ്ങൾ ഒരു തുടക്കക്കാരനാണെങ്കിൽ, നോട്ട്പാഡ്++ ഇൻസ്റ്റാൾ ചെയ്യുക . നൂതന ഉപയോക്താക്കൾക്ക്, വിഷ്വൽ സ്റ്റുഡിയോ കോഡ് ഒരു മികച്ച ഉപകരണമാണ്.
തുടർന്ന്, ഒരു കോഡ് എഡിറ്ററിലേക്ക് ചുവടെയുള്ള കോഡ് പകർത്തി ഒട്ടിക്കുക.
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)കോഡ് എഡിറ്ററിൽ, നിങ്ങളുടെ ജെമിനി API കീ ഒട്ടിക്കുക. നിങ്ങൾക്ക് കാണാനാകുന്നതുപോലെ, ഞങ്ങൾ "ജെമിനി-പ്രോ" മോഡൽ നിർവചിച്ചു, അത് ഒരു പ്ലെയിൻ ടെക്സ്റ്റ് മോഡലാണ്. കൂടാതെ, നിങ്ങൾക്ക് ചോദ്യങ്ങൾ ചോദിക്കാൻ കഴിയുന്ന ഒരു ചോദ്യം ഞങ്ങൾ ചേർത്തിട്ടുണ്ട്.

ഇപ്പോൾ, കോഡ് സേവ് ചെയ്ത് ഫയലിന് ഒരു പേര് നൽകുക. അവസാനം ചേർക്കുന്നത് ഉറപ്പാക്കുക .py. ഞാൻ ഫയലിന് പേരിട്ടു gemini.py, ഡെസ്ക്ടോപ്പിൽ സേവ് ചെയ്യുക.

അടുത്തതായി, ഒരു ടെർമിനൽ തുറന്ന് ഡെസ്ക്ടോപ്പിലേക്ക് നീങ്ങാൻ ഇനിപ്പറയുന്ന കമാൻഡ് പ്രവർത്തിപ്പിക്കുക.
cd Desktopഡെസ്ക്ടോപ്പ് ടെർമിനലിൽ എത്തിക്കഴിഞ്ഞാൽ, പൈത്തൺ ഉപയോഗിച്ച് എക്സിക്യൂട്ട് ചെയ്യാൻ താഴെ പറയുന്ന കമാൻഡ് പ്രവർത്തിപ്പിക്കുക gemini.py പ്രമാണം.
python gemini.py

ഇപ്പോൾ അത് നിങ്ങളുടെ ചോദ്യത്തിന് ഉത്തരം നൽകും gemini.py ഫയലിൽ ക്രമീകരിച്ച പ്രശ്നങ്ങൾ.

നിങ്ങൾക്ക് കോഡ് എഡിറ്ററിൽ ചോദ്യം പരിഷ്കരിക്കാനും സംരക്ഷിച്ച് വീണ്ടും പ്രവർത്തിപ്പിക്കാനും കഴിയും gemini.py ടെർമിനലിൽ പുതിയ മറുപടികൾ ലഭിക്കാൻ ഫയൽ. ടെക്സ്റ്റ് മാത്രമുള്ള ജെമിനി പ്രോ മോഡൽ ആക്സസ് ചെയ്യാൻ നിങ്ങൾ Google ജെമിനി API കീ ഉപയോഗിക്കുന്നത് ഇങ്ങനെയാണ്.

ജെമിനി പ്രോ API കീകൾ എങ്ങനെ ഉപയോഗിക്കാം (ടെക്സ്റ്റ്, വിഷ്വൽ മോഡലുകൾ)
ഈ ഉദാഹരണത്തിൽ, ഒരു ജെമിനി പ്രോ മൾട്ടിമോഡൽ മോഡലുമായി എങ്ങനെ സംവദിക്കാമെന്ന് ഞാൻ കാണിക്കും. ഇത് ഇതുവരെ Google Bard-ൽ തത്സമയമല്ല, എന്നാൽ API വഴി നിങ്ങൾക്ക് അത് ഉടനടി ആക്സസ് ചെയ്യാൻ കഴിയും. നന്ദി, പ്രക്രിയ വളരെ എളുപ്പവും തടസ്സമില്ലാത്തതുമാണ്.
കോഡ് എഡിറ്ററിൽ ഒരു പുതിയ ഫയൽ തുറന്ന് താഴെയുള്ള കോഡ് ഒട്ടിക്കുക.
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)നിങ്ങളുടെ ജെമിനി API കീ ഒട്ടിക്കുന്നത് ഉറപ്പാക്കുക. ഇവിടെ ഞങ്ങൾ ഉപയോഗിക്കുന്നു gemini-pro-vision മാതൃക, ഇത് ഒരു വാചകവും ദൃശ്യവുമായ മാതൃകയാണ്.

ഇപ്പോൾ, നിങ്ങളുടെ ഡെസ്ക്ടോപ്പിൽ ഫയൽ സേവ് ചെയ്ത് ഫയലിൻ്റെ പേരിന് ശേഷം ചേർക്കുക .py. ഞാനിവിടെ പേരിടാം geminiv.py .

കോഡിൻ്റെ മൂന്നാമത്തെ വരിയിൽ, നിങ്ങൾക്ക് കാണാനാകുന്നതുപോലെ, ഞാൻ AI ചൂണ്ടിക്കാണിക്കുന്നു ഇമഗെ.ജ്പ്ഗ് ഫയലുകൾ, ഫയലുകളുടെ പേരുകൾ തികച്ചും സമാനമാണ്. നിങ്ങൾ ഏത് ചിത്രത്തിലാണ് പ്രവർത്തിക്കുന്നതെങ്കിലും, അത് സംരക്ഷിച്ചിട്ടുണ്ടെന്ന് ഉറപ്പാക്കുക geminiv.py ഫയലുകൾ ഒരേ ലൊക്കേഷനിലാണ്, ശരിയായ വിപുലീകരണത്തോടുകൂടിയ അതേ ഫയലിൻ്റെ പേരുമുണ്ട്. നിങ്ങൾക്ക് 4MB വരെ പ്രാദേശിക JPG, PNG ഫയലുകൾ കൈമാറാനാകും.

കോഡിൻ്റെ ആറാമത്തെ വരിയിൽ, ചിത്രവുമായി ബന്ധപ്പെട്ട ചോദ്യങ്ങൾ നിങ്ങൾക്ക് ചോദിക്കാം. ഞാൻ ഭക്ഷണവുമായി ബന്ധപ്പെട്ട ഒരു ചിത്രത്തിലേക്ക് പ്രവേശിക്കുന്നതിനാൽ, മൊത്തം കലോറി കണക്കാക്കാൻ ഞാൻ ജെമിനി പ്രോയോട് ആവശ്യപ്പെട്ടു.
ഇപ്പോൾ ടെർമിനലിൽ കോഡ് പ്രവർത്തിപ്പിക്കാനുള്ള സമയമായി. ഡെസ്ക്ടോപ്പിലേക്ക് നീങ്ങുക (എൻ്റെ കാര്യത്തിൽ) താഴെയുള്ള കമാൻഡുകൾ ഓരോന്നായി പ്രവർത്തിപ്പിക്കുക. നിങ്ങൾ എന്തെങ്കിലും മാറ്റങ്ങൾ വരുത്തുകയാണെങ്കിൽ, ഫയൽ സംരക്ഷിക്കുന്നത് ഉറപ്പാക്കുക.
cd Desktop
python geminiv.py
ജെമിനി പ്രോ വിഷ്വൽ മോഡലുകൾ ചോദ്യങ്ങൾക്ക് നേരിട്ട് ഉത്തരം നൽകുന്നു. നിങ്ങൾക്ക് കൂടുതൽ ചോദ്യങ്ങൾ ചോദിക്കുകയും എന്തുകൊണ്ടെന്ന് വിശദീകരിക്കാൻ AI-യോട് ആവശ്യപ്പെടുകയും ചെയ്യാം.

നിങ്ങൾക്ക് മറ്റൊരു ചിത്രം നൽകാനും കഴിയും, എന്നാൽ അത് ഇമേജ് ഫയലിൻ്റെ പേരുമായി പൊരുത്തപ്പെടുന്നുണ്ടെന്ന് ഉറപ്പുവരുത്തുക, കോഡിലെ ചോദ്യം മാറ്റി വീണ്ടും റൺ ചെയ്യുക geminiv.py ഒരു പുതിയ പ്രതികരണം ലഭിക്കാൻ ഫയൽ.
ചാറ്റ് ഫോർമാറ്റിൽ ജെമിനി പ്രോ API കീ എങ്ങനെ ഉപയോഗിക്കാം?
അൺകോൺവിൻ്റെ സംക്ഷിപ്ത കോഡിന് നന്ദി, ടെർമിനൽ വിൻഡോയിലെ ജെമിനി എഐ എപിഐ കീ ഉപയോഗിച്ച് നിങ്ങൾക്ക് ജെമിനി പ്രോ മോഡലുമായി ചാറ്റ് ചെയ്യാം. ഈ രീതിയിൽ, പുതിയ ഔട്ട്പുട്ട് ലഭിക്കുന്നതിന് നിങ്ങളുടെ കോഡിലെ പ്രശ്നം മാറ്റുകയോ പൈത്തൺ ഫയൽ വീണ്ടും പ്രവർത്തിപ്പിക്കുകയോ ചെയ്യേണ്ടതില്ല. ടെർമിനൽ വിൻഡോയിൽ നിങ്ങൾക്ക് ചാറ്റിംഗ് തുടരാം.
ഏറ്റവും മികച്ചത്, Google ചാറ്റ് ചരിത്രം നേറ്റീവ് ആയി നടപ്പിലാക്കുന്നു, അതിനാൽ നിങ്ങൾ സ്വമേധയാ മറുപടികൾ ചേർക്കുകയോ അറേകളിലോ ലിസ്റ്റുകളിലോ ചാറ്റ് ചരിത്രം നിയന്ത്രിക്കുകയോ ചെയ്യേണ്ടതില്ല. ഒരു ലളിതമായ ഫംഗ്ഷൻ ഉപയോഗിച്ച്, Google-ന് എല്ലാ സംഭാഷണ ചരിത്രവും ഒരു ചാറ്റ് സെഷനിൽ സംഭരിക്കാൻ കഴിയും. നിർദ്ദിഷ്ട പ്രവർത്തനങ്ങൾ ഇപ്രകാരമാണ്:
കോഡ് എഡിറ്റർ തുറന്ന് താഴെയുള്ള കോഡ് ഒട്ടിക്കുക.
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)പതിവുപോലെ, മുകളിലുള്ള API-ന് സമാനമായ കീ പകർത്തി ഒട്ടിക്കുക.

ഈ സമയത്ത്, ഫയൽ നിങ്ങളുടെ ഡെസ്ക്ടോപ്പിലേക്കോ മറ്റ് സ്ഥലത്തോ സംരക്ഷിക്കുക. അവസാനം ചേർക്കുന്നത് ഉറപ്പാക്കുക .py. ഞാനതിന് പേരിട്ടു geminichat.py പ്രമാണം.

ഇപ്പോൾ, ടെർമിനൽ തുറന്ന് ഡെസ്ക്ടോപ്പിലേക്ക് നീങ്ങുക. അടുത്തതായി, ഓടുക geminichat.py പ്രമാണം.
cd Desktop python geminichat.py

ഇപ്പോൾ നിങ്ങൾക്ക് എളുപ്പത്തിൽ സംഭാഷണം തുടരാം, അത് നിങ്ങളുടെ ചാറ്റ് ചരിത്രം ഓർക്കും. ഗൂഗിൾ ജെമിനി എപിഐ കീകൾ ഉപയോഗിക്കുന്നതിന് മറ്റൊരു മികച്ച മാർഗമുണ്ട്.

ഇവ വെറും ചില ഉദാഹരണങ്ങൾ മാത്രമാണ്; API വഴി നിങ്ങൾക്ക് Google Gemini യുടെ കഴിവുകളെക്കുറിച്ച് കൂടുതലറിയാൻ കഴിയും. OpenAI യുടെ DALL-E 3, ChatGPT എന്നിവയുമായി താരതമ്യപ്പെടുത്തി, Google അതിന്റെ വിഷൻ മോഡൽ താൽപ്പര്യക്കാർക്കും ഡെവലപ്പർമാർക്കും ലഭ്യമാക്കുന്നതിൽ എനിക്ക് സന്തോഷമുണ്ട്. GPT-4V മോഡലിന്റെ അത്ര മികച്ചതല്ലെങ്കിലും, അത് ഇപ്പോഴും വളരെ ശ്രദ്ധേയമാണ്. GPT-4 മോഡലുകളുമായി താരതമ്യപ്പെടുത്താവുന്ന ജെമിനി അൾട്രായുടെ റിലീസിനായി ഞങ്ങൾ ആകാംക്ഷയോടെ കാത്തിരിക്കുന്നു.
അതിനപ്പുറം, ജെമിനി പ്രോ API, ഗൂഗിൾ ബാർഡിനോട് വ്യത്യസ്തമായി പ്രതികരിക്കുന്നു, ഇത് ജെമിനി പ്രോയുടെ ട്വീക്ക് ചെയ്ത പതിപ്പും നൽകുന്നു. ബാർഡിൻ്റെ പ്രതികരണങ്ങൾ അൽപ്പം നിഷ്കളങ്കമായി തോന്നിയെങ്കിലും ജെമിനി പ്രോയുടെ API പ്രതികരണങ്ങൾ കൂടുതൽ സജീവവും വ്യതിരിക്തവുമായിരുന്നു.
ഈ മേഖലയിലെ എല്ലാ മാറ്റങ്ങളും ഞങ്ങൾ സൂക്ഷ്മമായി നിരീക്ഷിക്കും, അതിനാൽ ജെമിനി AI-യെ കുറിച്ചുള്ള കൂടുതൽ കാര്യങ്ങൾക്കായി കാത്തിരിക്കുക. അതിനിടയിൽ, ദയവായി Google ജെമിനി API സ്വയം പരിശോധിക്കുക.
ചെൻ വെയ്ലിയാങ്ങിന്റെ ബ്ലോഗിൽ ( https://www.chenweiliang.com/ ) പങ്കിട്ട "Google Gemini API കീകൾ എങ്ങനെ ഉപയോഗിക്കാം? AI ഉദാഹരണ ട്യൂട്ടോറിയൽ, പഠിപ്പിക്കാനും പഠിക്കാനും ഉറപ്പ്" എന്ന ലേഖനം നിങ്ങൾക്ക് സഹായകരമാകുമെന്ന് പ്രതീക്ഷിക്കുന്നു.
ഈ ലേഖനത്തിന്റെ ലിങ്ക് പങ്കിടാൻ മടിക്കേണ്ടതില്ല: https://www.chenweiliang.com/cwl-31422.html
