Google hat kürzlich Gemini Embedding 2 vorgestellt, sein erstes nativ multimodales Einbettungsmodell. Dies ist ein wichtiger Fortschritt, da Textual content, Bilder, Video, Audio und Dokumente in einem einzigen gemeinsamen Einbettungsraum zusammengefasst werden. Anstatt mit separaten Modellen für jeden Datentyp zu arbeiten, können Entwickler jetzt ein Einbettungsmodell für mehrere Modalitäten zum Abrufen, Suchen, Clustering und Klassifizieren verwenden.

Dieser Wandel ist theoretisch wirkungsvoll, wird aber noch interessanter, wenn er auf ein reales Projekt angewendet wird. Um herauszufinden, was Gemini Embedding 2 in der Praxis leisten kann, habe ich ein einfaches Bildabgleichssystem erstellt, das identifiziert, welche Particular person in einem Abfragebild den gespeicherten Bildern am ähnlichsten ist.

Gemini Embedding 2 Hauptfunktionen

Herkömmliche Einbettungssysteme sind oft nur für Textual content konzipiert. Wenn Sie ein System aufbauen wollten, das über Bilder, Audio oder Dokumente hinweg funktioniert, mussten Sie normalerweise mehrere Pipelines zusammenfügen. Gemini Embedding 2 ändert sich, indem es verschiedene Arten von Inhalten in einem einheitlichen Vektorraum abbildet.

Laut Google unterstützt Gemini Embedding 2:

• Textual content mit bis zu 8192 Eingabe-Tokens
• Bilder, mit bis zu 6 Bildern professional Anfrage im PNG- und JPEG-Format
• Video bis zu 120 Sekunden im MP4- und MOV-Format
• Audio ohne vorherige Transkription
• PDF-Dokumente mit einer Länge von bis zu 6 Seiten

Es unterstützt auch verschachtelte multimodale Eingaben, z. B. Bild und Textual content in einer einzigen Anfrage. Dadurch kann das Modell umfassendere Beziehungen zwischen verschiedenen Arten von Daten erfassen.

Ein weiteres wichtiges Merkmal ist die versatile Ausgabedimensionalität durch Matroschka Repräsentationslernen. Die Standardgröße beträgt 3072 Dimensionen, sie kann jedoch auf kleinere Größen wie 1536 oder 768 verkleinert werden. Dies hilft Entwicklern dabei, Qualität, Speicher und Abrufgeschwindigkeit je nach Anwendung in Einklang zu bringen.

Lesen Sie auch: 14 leistungsstarke Techniken, die die Entwicklung der Einbettung definieren

Erstellen eines Bildanpassungssystems mit Gemini Embedding 2

Das Projekt verwendet drei Ordner in einem Datensatzverzeichnis:

dataset/
nitika/
vasu/
janvi/ 

Jeder Ordner enthält mehrere Bilder einer Particular person. Das Ziel ist klar:

• Lesen Sie alle Bilder aus dem Datensatz
• Generieren Sie mit Gemini Embedding 2 eine Einbettung für jedes Bild
• Speichern Sie diese Einbettungen im Speicher und speichern Sie sie lokal zwischen
• Machen Sie ein Abfragebild
• Generieren Sie seine Einbettung
• Vergleichen Sie es mit allen gespeicherten Bildeinbettungen unter Verwendung der Kosinusähnlichkeit
• Geben Sie die am besten passenden Bilder zurück und sagen Sie den Namen der Particular person voraus

Dies ist ein starkes Beispiel dafür, wie Gemini Embedding 2 für den bildbasierten Abruf und die einfache Klassifizierung verwendet werden kann.

Das Beste an diesem Projekt ist, dass es keine vollständige Deep-Studying-Trainingspipeline erfordert. Es gibt keinen Brauch CNN Schulung, keine Feinabstimmung und kein annotationsintensiver Workflow. Stattdessen verlässt sich das System auf das Einbettungsmodell als semantischen Merkmalsextraktor.

Das macht die Entwicklung viel schneller.

Da Gemini Embedding 2 von Natur aus multimodal ist, kann das gleiche Projektdesign später über Bilder hinaus erweitert werden. Zum Beispiel:

• Zuordnen eines gesprochenen Audioclips zu einem Personenprofil
• Suche nach einem relevanten PDF aus einem Bild
• Abrufen eines Videosegments aus einer Textabfrage
• Vergleich gemischter Bild- und Textbeschreibungen in einem einzigen Einbettungsraum

In diesem Sinne ist das aktuelle Projekt ein einfacher Einstiegspunkt in eine viel umfassendere multimodale Retrieval-Architektur.

Gemini Embedding 2 API-Nutzung

Google stellt das Gemini Embedding 2-Modell über die Gemini API und Vertex AI bereit. Der Einbettungsaufruf erfolgt über embed_content Verfahren.

Ein multimodales Beispiel von Google sieht so aus:

from google import genai
from google.genai import varieties

consumer = genai.Shopper()

with open("instance.png", "rb") as f:
  image_bytes = f.learn()

with open("pattern.mp3", "rb") as f:
  audio_bytes = f.learn()

consequence = consumer.fashions.embed_content(
  mannequin="gemini-embedding-2-preview",
  contents=(
      "What's the which means of life?",
      varieties.Half.from_bytes(
          knowledge=image_bytes,
          mime_type="picture/png",
      ),
      varieties.Half.from_bytes(
          knowledge=audio_bytes,
          mime_type="audio/mpeg",
      ),
  ),
)

print(consequence.embeddings) 

Für mein Projekt benötigte ich nur den Bildteil dieses Workflows. Anstatt Textual content, Bild und Audio zusammen zu senden, habe ich professional Anfrage ein einzelnes Bild verwendet und dessen Einbettung generiert.

Projektumsetzung

Das Projekt beginnt mit dem Laden des Gemini-API-Schlüssels aus einer .env-Datei und dem Erstellen eines Shoppers:

from dotenv import load_dotenv
import os
from google import genai

load_dotenv()

GEMINI_API_KEY = os.getenv("GEMINI_API_KEY")
consumer = genai.Shopper(api_key=GEMINI_API_KEY) 

Dann habe ich Hilfsfunktionen für die Bildvalidierung, MIME-Typerkennung, Normalisierung, Kosinusähnlichkeit und Bildanzeige definiert.

Die Haupteinbettungsfunktion liest die Bildbytes und sendet sie an Gemini Embedding 2:

def embed_image(image_path):
  image_path = Path(image_path)
  mime_type = guess_mime_type(image_path)

  with open(image_path, "rb") as f:
      image_bytes = f.learn()

  consequence = consumer.fashions.embed_content(
      mannequin="gemini-embedding-2-preview",
      contents=(
          varieties.Half.from_bytes(
              knowledge=image_bytes,
              mime_type=mime_type,
          )
      ),
      config=varieties.EmbedContentConfig(
          output_dimensionality=3072
      )
  )

  emb = np.array(consequence.embeddings(0).values, dtype=np.float32)
  return normalize(emb) 

Diese Funktion ist der Kern der gesamten Pipeline. Es verwandelt jedes Bild in eine 3072-dimensionale Vektordarstellung.

Erstellen der Datenbank zum Einbetten von Datensätzen

Der nächste Schritt besteht darin, durch den Datensatzordner zu gehen, alle Bilder für jede Particular person zu lesen und sie einzeln einzubetten.

Jedes eingebettete Bild wird als Wörterbuch gespeichert, das Folgendes enthält:

• das Personenetikett
• der Dateipfad
• der Einbettungsvektor

Um zu vermeiden, dass Einbettungen jedes Mal neu berechnet werden müssen, habe ich sie in einer lokalen Pickle-Datei zwischengespeichert:

def build_embeddings_db(dataset, cache_file="image_embeddings_cache.pkl", force_rebuild=False):
  cache_path = Path(cache_file)

  if cache_path.exists() and never force_rebuild:
      with open(cache_path, "rb") as f:
          embeddings_db = pickle.load(f)
      return embeddings_db

  embeddings_db = ()

  for merchandise in dataset:
      emb = embed_image(merchandise("path"))
      embeddings_db.append({
          "label": merchandise("label"),
          "path": merchandise("path"),
          "embedding": emb
      })

  with open(cache_path, "wb") as f:
      pickle.dump(embeddings_db, f)

  return embeddings_db

Dadurch wird das Pocket book wesentlich effizienter, da Einbettungen nur einmal generiert werden, es sei denn, der Datensatz ändert sich.

Passend zu einem Abfragebild

Sobald die Datensatzeinbettungen fertig sind, besteht der nächste Schritt darin, das System mit einem neuen Abfragebild zu testen.

Das Abfragebild wird mit derselben Funktion eingebettet. Anschließend wird seine Einbettung mit allen gespeicherten Einbettungen unter Verwendung der Kosinusähnlichkeit verglichen.

def find_best_matches(query_image_path, top_k=5):
  query_emb = embed_image(query_image_path)

  outcomes = ()
  for merchandise in embeddings_db:
      rating = cosine_similarity(query_emb, merchandise("embedding"))
      outcomes.append({
          "label": merchandise("label"),
          "path": merchandise("path"),
          "rating": rating
      })

  outcomes.kind(key=lambda x: x("rating"), reverse=True)
  return outcomes(:top_k) 

Diese Funktion gibt die am besten passenden Datensatzbilder zurück.

Um die endgültige Personenbezeichnung vorherzusagen, habe ich die High-Okay-Abstimmung verwendet:

def predict_person(query_image_path, top_k=5):
    matches = find_best_matches(query_image_path, top_k=top_k)

    labels = (m("label") for m in matches)
    predicted_label = Counter(labels).most_common(1)(0)(0)
  
    return predicted_label, matches 

Dies ist stabiler, als sich auf ein einzelnes nächstgelegenes Bild zu verlassen.

Testen des Projekts

Im Projekt habe ich Abfragebilder getestet wie:

Beispiel 1:

query_image = "Nitika_Test_Image.jpeg" 

predicted_person, matches = predict_person(query_image, top_k=2) 
print("nQuery picture:") 

show_image(query_image, title="Question Picture") 
print("Predicted individual:", predicted_person) 
print("nTop matches:") 

for i, match in enumerate(matches, 1): 

    print(f"{i}. {match('label')} | rating={match('rating'):.4f} | path={match('path')}") 
    show_image(match("path"), title=f"Rank {i} | {match('label')} | rating={match('rating'):.4f}") 

print("nBest match:") 
print(matches(0))

Beispiel 2:

query_image = "/Customers/janvi/Downloads/Him.jpeg" # change this 

predicted_person, matches = predict_person(query_image, top_k=2) 
print("nQuery picture:") show_image(query_image, title="Question Picture") 
print("Predicted individual:", predicted_person) print("nTop matches:") 

for i, match in enumerate(matches, 1):  

    print(f"{i}. {match('label')} | rating={match('rating'):.4f} | path={match('path')}") show_image(match("path"), title=f"Rank {i} | {match('label')} | rating={match('rating'):.4f}") 

print("nBest match:") print(matches(0))

3. Beispiel:

query_image = "/Customers/janvi/Downloads/Nerd.jpeg"   # change this 
predicted_person, matches = predict_person(query_image, top_k=5) 
print("nQuery picture:") 

show_image(query_image, title="Question Picture") 
print("Predicted individual:", predicted_person) 
print("nTop matches:") 

for i, match in enumerate(matches, 1): 
    print(f"{i}. {match('label')} | rating={match('rating'):.4f} | path={match('path')}") 
    show_image(match("path"), title=f"Rank {i} | {match('label')} | rating={match('rating'):.4f}") 

print("nBest match:") 
print(matches(0))

Das Notizbuch zeigte dann Folgendes an:

• das Abfragebild
• die vorhergesagte Personenbezeichnung
• die am besten passenden Bilder aus dem Datensatz
• der Kosinus-Ähnlichkeitswert für jede Übereinstimmung

Dies erleichtert die visuelle Inspektion des Programs und hilft zu überprüfen, ob der einbettungsbasierte Abruf ordnungsgemäß funktioniert.

Meine Erfahrung mit Gemini Embedding 2

Dieses Projekt magazine einfach sein, aber es zeigt deutlich den praktischen Wert von Gemini Embedding 2.

Erstens zeigt es, dass Einbettungen direkt zum Abrufen von Bildern verwendet werden können, ohne ein separates Klassifizierungsmodell zu trainieren.

Zweitens zeigt es, wie ein gemeinsamer Einbettungsraum reale Anwendungen vereinfachen kann. Obwohl diese Model nur Bilder verwendet, kann dieselbe Architektur später auf den Abruf von Textual content, Audio, Video und Dokumenten erweitert werden.

Drittens wird hervorgehoben, wie moderne multimodale Einbettungen den Bedarf an komplexen Vorverarbeitungspipelines reduzieren. Anstatt handgefertigte Options manuell zu extrahieren oder ein Modell von Grund auf zu erstellen, können Entwickler das Einbettungsmodell als universelles semantisches Rückgrat verwenden.

Stärken dieses Ansatzes

Es gibt mehrere Gründe, warum dieser Ansatz für einen Prototyp intestine funktioniert:

• Sehr geringer Schulungsaufwand
• Einfache Implementierung in einem Pocket book
• Einfach zu erweitern
• Schnelles Experimentieren
• Für Menschen lesbare Ergebnisse durch High-Match-Visualisierung
• Funktioniert natürlich mit der Ähnlichkeitssuche

Dies ist besonders nützlich für kleine Bildabgleichsaufgaben, bei denen Sie einen sauberen Machbarkeitsnachweis wünschen.

Einschränkungen

Gleichzeitig handelt es sich immer noch um eine leichtgewichtige Demoversion und nicht um ein biometrisches Produktionssystem.

Einige Einschränkungen sind erwähnenswert:

• Die Leistung hängt von Bildqualität, Beleuchtung, Hintergrund und Pose ab
• Mehr Bilder professional Particular person verbessern normalerweise die Robustheit
• Bei ähnlich aussehenden Personen kann es zu engeren Einbettungen kommen
• Die aktuelle Pipeline enthält keinen Schwellenwert für unbekannte Personen
• Für ein ernsthaftes Benchmarking wäre ein vollständiger Bewertungssatz erforderlich

Hierbei handelt es sich nicht um Fehler von Gemini Embedding 2. Es handelt sich um normale Überlegungen für jedes Bildabgleichssystem.

Abschluss

Gemini Embedding 2 markiert einen wichtigen Wandel in der Artwork und Weise, wie Entwickler mit multimodalen Daten arbeiten können. Anstatt separate Pipelines für Textual content, Bild, Audio, Video und Dokumente zu erstellen, verfügen wir jetzt über ein Modell, das sie alle in einem einheitlichen semantischen Raum darstellt.

Mein Picture-Matching-Projekt ist ein kleines, aber nützliches Beispiel für die Umsetzung dieser Idee. Durch das Einbetten von Bildern von drei bekannten Personen und den Vergleich eines Abfragebilds mittels Kosinusähnlichkeit konnte ich mit sehr wenig Code einen sauberen Abruf- und Klassifizierungsworkflow erstellen.

Das ist das wahre Versprechen von Gemini Embedding 2. Es handelt sich nicht nur um die Ankündigung eines neuen Modells. Es ist ein praktischer Baustein für multimodale Systeme, die einfacher zu entwerfen, einfacher zu skalieren und viel näher an realen Daten sind.

Häufig gestellte Fragen

Hallo, ich bin Janvi, ein leidenschaftlicher Knowledge-Science-Fanatic, der derzeit bei Analytics Vidhya arbeitet. Meine Reise in die Welt der Daten begann mit einer tiefen Neugier, wie wir aus komplexen Datensätzen aussagekräftige Erkenntnisse gewinnen können.

Bei all den Durchbrüchen in der Bildverarbeitung durch Veröffentlichungen wie Nano Banana, Qwen Picture und SAM3 verlief OpenAI, das vor ein paar Jahren an der Spitze der Domäne stand, relativ ruhig – insbesondere im Hinblick auf seine Veröffentlichungen. Angesichts der Veröffentlichungen für Fußgänger und des dürftigen Angebots hatten die meisten Menschen OpenAI aus dem KI-Wettbewerb ausgeschlossen.

Das Modell kommt mit einem neuen Bilder Erfahrung im Inneren ChatGPTdas eine mühelose Erstellung und Verfeinerung von Bildern ermöglicht.

11 Aufforderungen zum Ausprobieren von ChatGPT Picture-1.5: Bildgenerierung

ChatGPT Picture zeichnet sich sowohl bei der Bildgenerierung als auch bei der Bildbearbeitung aus. In diesem Abschnitt möchte ich die 10 Eingabeaufforderungen skizzieren, anhand derer ich die Bildausgaben von ChatGPT Picture testen würde:

1. Realistische Bilder erzeugen

Immediate:

Erstellen Sie eine detaillierte Infografik über die Funktionsweise und den Ablauf eines Kaffeevollautomaten wie einer Jura.

Vom Bohnenkorb über das Mahlwerk bis hin zur Waage, dem Wassertank, dem Boiler usw.

Ich möchte den Ablauf technisch und visuell verstehen.

Antwort:

Bildmodelle hatten lange Zeit Schwierigkeiten, lesbaren Textual content zu erstellen. Dies geschieht nicht nur, sondern kombiniert es auch mit einer ansprechenden Optik. Jeder, der versucht hat, ein KI-generiertes Bild zu verwenden, kann den Qualitätsunterschied zwischen dem obigen Bild und den Erwartungen erkennen. Auch die Antwort ist korrekt.

Ich habe diese Eingabeaufforderung speziell verwendet, da dies in der Eingabeaufforderung erwähnt wurde Handbuch von OpenAIum die Reaktion des Modells zu testen, wenn dieselbe Eingabeaufforderung gegeben wird.

2. Erstellen fotorealistischer Bilder

Immediate:

Eine fotorealistische Aufnahme eines erfahrenen Mechanikers, der in einer überfüllten, sonnenbeschienenen Storage eine Pause macht. Er wischt sich mit einem schmutzigen Lappen Fett von den Händen und sieht erschöpft, aber zufrieden aus. Extremer Fokus auf die Hautstruktur: tiefe Gesichtsfalten, Poren, Schweißperlen und Fettflecken auf seiner Stirn. Er trägt einen ausgeblichenen, ölfleckigen blauen General, aus dem sich ein Namensaufnäher löst. Aufgenommen auf 35-mm-Filmmaterial mit einem 50-mm-Objektiv auf Augenhöhe. Natürliches Licht strömt durch ein staubiges Fenster und beleuchtet schwebende Staubpartikel. Geringe Schärfentiefe lässt den Oldtimermotor im Hintergrund verschwimmen. Keine Retusche, roh und authentisch.

Antwort:

Ein überzeugendes Bild eines Mechanikers bei der Arbeit. Die Beleuchtung des Motivs bringt es wirklich auf den Punkt Fotorealismus zu Hause.

3. Brand-Erstellung

Immediate:

Ein minimalistisches Vektorlogo für ein Resort namens „Bates Motel“. Das Design zeigt einen niedlichen, runden, stilisierten „Geist“ oder „Killergeist“ mit einfachen Kawaii-Anime-Augen, der ein Metzgermesser wie einen Stab hält. Der Stil ist flach, heat und zeitlos und erinnert an ein Maskottchen von Studio Ghibli, wurde jedoch für ein Firmenlogo vereinfacht. Klare Linien, negativer Raum, warme Beige- und erdbraune Farben. Einfacher weißer oder dunkler Hintergrund.

Antwort:

Ein Brand, das zeigt, dass ein unheimliches Konzept auch auf freundliche Weise präsentiert werden kann.

4. Geschichte zum Comedian

Immediate:

Vertikaler 4-Panel-Manga-Comedian-Strip im Dying Be aware-Kunststil. Jedes Panel sollte ein Viertel der gesamten Bildfläche einnehmen.
Panel 1: Mild Yagami im Anzug verlässt smug einen Raum, während L im Hintergrund hockt und zuschaut.
Panel 2: Die Tür schließt sich. Nahaufnahme von Ls Gesicht, intensiv und berechnend, mit einem weißen Zuckerwürfel in der Hand.
Panel 3: L hockt auf einem Schreibtisch in einem unordentlichen Raum, umgeben von Süßigkeiten und Dokumenten, und arbeitet wie wild.
Panel 4: Die Tür öffnet sich und Mild Yagami steht schockiert und besiegt da. L sitzt ruhig da, hält das Dying Be aware-Buch hoch und lächelt siegreich. Hoher Kontrast, schwarz-weiße Manga-Schattierung.

Antwort:

Der Comedian sieht aus wie das neueste Kapitel des Mangas. Dem Mannequin gelang es, eine überzeugende Comedian-Seite zu erstellen.

5. UI-Mockups

Immediate:

Ein hochauflösendes, fotorealistisches UI-Modell einer modernen mobilen App von Farmers Market, angezeigt auf einem iPhone 15-Rahmen.

Die Benutzeroberfläche ist sauber und luftig mit einem weißen Hintergrund und dezenten salbeigrünen Akzenten.

Oberer Abschnitt: Eine Überschrift mit der Aufschrift „Riverside Market“ und dem Standing „Bis 14:00 Uhr geöffnet“.
Mittelteil: Ein „Right now’s Specials“-Karussell mit lebendigen, hochauflösenden Fotos von alten Tomaten und frischem Sauerteigbrot.
Unterer Bereich: Eine intestine organisierte Liste von Anbietern mit abgerundeten quadratischen Profilfotos und Kategorie-Tags wie „Bio“ und „Bäckerei“.
Unten: Eine minimalistische Navigationsleiste.

Das Design ist praktisch und schön und zeichnet sich durch klare serifenlose Typografie, weiche Schatten und eine polierte Ästhetik im Dribbble-Stil aus.

Antwort:

Eine der besten Anwendungen dieser Technologie. Entwickler können sich einen Überblick über das Produkt verschaffen, indem sie einen Prototyp zur visuellen Unterstützung erstellen.

6. Zeichnung -> Bild

Immediate:

Verwandeln Sie diese Zeichnung in ein fotorealistisches Bild. Behalten Sie das genaue Structure, die Proportionen und die Perspektive bei. Wählen Sie realistische Materialien und Beleuchtung im Einklang mit der Skizzenabsicht. Fügen Sie keine neuen Elemente oder Texte hinzu.

Antwort:

Das könnte durchaus das Beste sein, was man aus meiner bildhaften Zeichnung machen kann.

7. Virtuelles Anprobieren

Immediate:

Bearbeiten Sie das Bild, um die Frau mit den bereitgestellten Kleidungsbildern einzukleiden. Verändern Sie in keiner Weise ihr Gesicht, ihre Gesichtszüge, ihren Hautton, ihre Körperform, ihre Haltung oder ihre Identität. Behalten Sie ihr genaues Abbild, ihren Ausdruck, ihre Frisur und ihre Proportionen bei. Ersetzen Sie nur die Kleidung und passen Sie die Kleidungsstücke mit realistischem Stoffverhalten auf natürliche Weise an ihre vorhandene Pose und Körpergeometrie an. Passen Sie Beleuchtung, Schatten und Farbtemperatur an das Originalfoto an, damit sich das Outfit fotorealistisch einfügt, ohne wie aufgeklebt zu wirken. Ändern Sie nicht den Hintergrund, den Kamerawinkel, den Rahmen oder die Bildqualität und fügen Sie keine Accessoires, Texte, Logos oder Wasserzeichen hinzu.

Antwort:

Ein lustiges Bild mit einem nahtlosen Kleiderwechsel.

8. 3D-Plüschtier-Erstellung

Ich würde das gleiche Eingabebild verwenden (Menschlich) wie im vorherigen Beispiel.

Immediate:

Verwandeln Sie das Motiv oder Bild in eine bezaubernde Kind im Plüschtier-Stil mit weichen Texturen und abgerundeten Proportionen. Bei Anwesenheit einer Particular person erkennbare Merkmale bewahren; andernfalls interpretieren Sie den Gegenstand oder das Tier mithilfe von Filz- oder Vliestexturen in ein gemütliches Stofftier um. Verleihen Sie ihm eine kuschelige Filz- oder Fleecestruktur, vereinfachte Formen und sanfte Stickdetails für Augen, Mund und Gesichtszüge. Verwenden Sie eine warme, pastellfarbene oder neutrale Farbpalette mit sanften Schattierungen und dezenten Nähten, wie bei einem handgefertigten Stofftier. Halten Sie den Ausdruck freundlich und niedlich, mit einem leicht übergroßen Kopf, kurzen Gliedmaßen und einer kuscheligen Silhouette. Das endgültige Bild sollte sich wie ein bezauberndes Plüschtier zum Sammeln anfühlen, das gemütlich, gesund und anschmiegsam ist und dennoch als das Originalmotiv erkennbar ist.

Antwort:

Das Plüschtier vergleicht das Motiv des Eingabebildes und behält dabei seinen Charakter bei: plüschig!

9. 3D-Popup-Weihnachtskarte

Immediate:

Eine hochwertige Weihnachtskartenillustration mit einer Nahaufnahme eines niedlichen Classic-Teddybären direkt neben einem Weihnachtsbaum. Im Hintergrund, unscharf, ist ein Gelände voller feiernder Menschen zu sehen. Die Beleuchtung ist sanft und filmisch mit einer geringen Schärfentiefe, um die Textur des Ornaments hervorzuheben. Die Stimmung ist heat, nostalgisch und emotional. Das Bild muss den Textual content „Frohe Weihnachten – mögen Ihre Tage fröhlich und strahlend sein“ in einer eleganten, goldenen Serifenschrift enthalten. Fotorealistische Komposition mit 8K-Auflösung und hoher Druckqualität.

Antwort:

Das ist etwas, das wir an unsere Verwandten weitergeben könnten. Wirklich gutes Verständnis der Anforderungen des Modells.

10. Weltwissen

Immediate:

Erstellen Sie in der Nacht des 9. November 1989 eine realistische Menschenmengenszene im Freien am Brandenburger Tor in Berlin. Fotorealistische, zeitgetreue Kleidung, Inszenierung und Umgebung.

Antwort:

Das Datum hat eine besondere Bedeutung, da es das markiert Fall der Berliner Mauer. Das Mannequin konnte dies nicht nur erkennen, sondern auch ein Bild schaffen, das die Gefühle der Massen einfängt.

Abschluss

Das Modell schränkt Ihre Kreativität sicherlich nicht ein. Sie können diese Eingabeaufforderungen als Grundlage verwenden, um erweiterte Eingabeaufforderungen zu erstellen, die speziell auf Ihre Arbeitsbelastung zugeschnitten sind. Angesichts der kurzen Reaktionszeit und der Verfügbarkeit für alle Benutzer ist die Richtung, in die OpenAI mit seiner neuesten Picture-Modellversion geht, auffällig. Sie können mit den Eingabeaufforderungen experimentieren, um herauszufinden, was für Sie am besten funktioniert.

Häufig gestellte Fragen

Q1. Was ist ChatGPT Picture 1.5 und wie unterscheidet es sich von früheren Versionen?

A. ChatGPT Picture 1.5 ist das neueste Bildgenerierungsmodell von OpenAI, das für eine schnellere Ausgabe, schärfere Particulars und präzisere Bearbeitungen entwickelt wurde. Es erzeugt Bilder bis zu viermal schneller und behält dabei die hohe visuelle Genauigkeit bei.

Q2. Bei welchen Aufgaben schneidet ChatGPT Picture 1.5 am besten ab?

A. Es zeichnet sich durch realistische Bilderzeugung, fotorealistische Szenen, UI-Modelle, Comics, Zeichnung-zu-Bild-Konvertierung und präzise Bildbearbeitungen wie virtuelle Anproben aus, und das alles unter Beibehaltung von Structure, Beleuchtung und Detailtreue.

Q3. Ist ChatGPT Picture 1.5 für alltägliche Benutzer oder nur für Profis geeignet?

A. Es steht allen Benutzern zur Verfügung und ist für eine schnelle Iteration konzipiert. Damit eignet es sich für Designer, Entwickler, Vermarkter und Gelegenheitskünstler, die qualitativ hochwertige Bilder ohne komplexe Arbeitsabläufe wünschen.

Ich bin auf die Überprüfung und Verfeinerung von KI-gestützter Forschung, technischer Dokumentation und Inhalten im Zusammenhang mit neuen KI-Technologien spezialisiert. Meine Erfahrung umfasst KI-Modelltraining, Datenanalyse und Informationsabruf und ermöglicht es mir, Inhalte zu erstellen, die sowohl technisch korrekt als auch zugänglich sind.

Bild von Editor | Chatgpt

# Einführung

Sie kennen den Kampf wahrscheinlich, wenn Sie versucht haben, Ihre App auf einem anderen Pc, einem Teamkollegen eines Teamkollegen, einem Testserver oder der Cloud zu betreiben. Etwas bricht immer. Vielleicht wird ein Paket nicht installiert oder die Python -Model ist ausgeschaltet, oder die Umgebung ist einfach nicht ganz richtig.

Hier erleichtert Docker das Leben. Mit Docker können Sie Ihren gesamten App -Code, Ihre Abhängigkeiten und Ihre Umgebung in einen ordentlichen kleinen Container, der überall gleich ausgeführt wird, in einem ordentlichen kleinen Container bündeln. Sie können diesen Container an Docker Hub veröffentlichen, damit jeder ihn herunterziehen und sofort ausführen kann.

In diesem Leitfaden werde ich durchgehen, wie man:

• Schreiben Sie eine einfache Python -App
• Erstellen Sie ein Docker -Bild dafür
• Testen Sie es lokal
• Schieben Sie es zu Docker Hub, damit es gemeinsam nutzbar ist

# Voraussetzungen

Stellen Sie sicher, dass Sie die folgende Einrichtung haben, bevor wir Ihre Python -App abdecken:

1. Python installiert: Stellen Sie sicher, dass Python auf Ihrem Pc installiert ist (vorzugsweise Python 3.7+). Sie können dies überprüfen, indem Sie ausgeführt werden: python --version oder python3 --version
2. Docker installiert und ausgeführt: Sie müssen Docker installiert und auf Ihrem Pc ausgeführt werden. Wenn Sie es noch nicht installiert haben, laden Sie es aus von Docker Desktop. Bestätigen Sie nach der Set up, dass Docker funktioniert: docker --version
3. Docker Hub -Konto: Um Ihr Picture on-line zu veröffentlichen, benötigen Sie ein kostenloses Docker -Hub -Konto. Melden Sie sich hier an, wenn Sie noch keine haben: Docker Hub.

# Schritt 1: Erstellen Sie eine einfache Python -App

Bevor wir in Docker einsteigen, brauchen wir etwas, um tatsächlich zu containerieren. Beginnen wir additionally mit einer sehr einfachen Python -Net -App mithilfe Flascheein leichtes Net -Framework.

Diese App wird eine einzige Route haben, auf der Hallo steht. Erstellen Sie dafür einen Ordner namens Docker-Python-App und erstellen Sie zwei Dateien:

// 1. app.py

from flask import Flask
app = Flask(__name__)

@app.route("https://www.kdnuggets.com/")
def hiya():
    return "Howdy World!"

if __name__ == "__main__":
    app.run(host="0.0.0.0", port=8000)

In diesem Code:

• Wir erstellen eine Flask -App.
• Wir definieren eine Route (/), die eine freundliche Nachricht zurückgibt.
• Wir führen die App auf dem Host „0.0.0.0“ aus, damit Docker sie außerhalb des Containers enthüllen kann.
• Der Port ist auf 8000 eingestellt.

// 2. necessities.txt

Docker muss wissen, welche Python -Pakete Ihre App benötigt. Hear wir sie additionally in einem auf necessities.txt Datei:

# Schritt 2: Erstellen Sie eine Dockerfile

Nachdem Sie eine Python -App haben, müssen wir Docker beibringen, wie man sie baut und ausführt. Dafür ist die Dockerfile da. Es ist im Grunde ein Rezept, das Docker sagt:

„Hier finden Sie das Basisbild. Hier erfahren Sie, wie Sie Abhängigkeiten installieren, und hier finden Sie, wie Sie die App ausführen.“

Erstellen Sie in Ihrem Projektordner (Docker-Python-App) eine Datei namens DockerFile (keine Dateierweiterung):

# 1. Begin with a light-weight Python base picture
FROM python:3.11-slim

# 2. Set the working listing within the container
WORKDIR /app

# 3. Copy the dependency file and set up packages
COPY necessities.txt .
RUN pip set up --upgrade pip && pip set up --no-cache-dir -r necessities.txt

# 4. Copy the remainder of your app code
COPY . .

# 5. Inform Docker which port the app will use
EXPOSE 8000

# 6. Outline the command to run your app
CMD ("python", "app.py")

Diese Datei im Grunde genommen:

• Verwendet ein kleines offizielles Python -Bild
• Installiert die Abhängigkeiten Ihrer App
• Kopiert Ihren Code im Container
• Läuft app.py Wenn der Behälter beginnt

Dies ist alles, was Sie brauchen, um Ihre App zu containieren. Jetzt bauen wir es.

# Schritt 3: Erstellen Sie das Docker -Bild

Rennen Sie in Ihrem Terminal im Projektverzeichnis:

docker construct -t your_dockerhub_username/docker-python-app .

Vergessen Sie nicht zu ersetzen your_dockerhub_username mit Ihrem tatsächlichen Benutzernamen. In diesem Befehl:

• docker construct fordert Docker an, ein Bild zu erstellen
• -t Ermöglicht das Bild mit dem Tag (Namen), damit es später leicht zu referenzieren ist
• . fordert Docker auf, das aktuelle Verzeichnis zu nutzen (wo Ihre Dockerfile lebt)

Nach ungefähr einer Minute packt Docker Ihre App in ein Bild. Sie werden etwas in Ihrem Terminal sehen wie:

# Schritt 4: Führen und testen Sie Ihr Bild lokal

Stellen wir sicher, dass es tatsächlich funktioniert, bevor wir es veröffentlichen.

Führen Sie diesen Befehl aus:

docker run -p 8000:8000 your_dockerhub_username/docker-python-app

Dieser Befehl sagt Docker:

• „Den Behälter ausführen“
• Kartenanschluss 8000 auf Ihrem lokalen Pc zum Port 8000 im Container (wobei der Flask ausgeführt wird)

Sie werden etwas in Ihrem Terminal sehen wie:

Öffne jetzt deinen Browser und gehe zu http://localhost:8000. Sie sollten sehen:

Wenn Sie das sehen, funktioniert Ihr Bild genau wie erwartet.

# Schritt 5: Drücken Sie das Docker -Bild zu Docker Hub

Drücken Sie nun Ihr Bild mit dem Befehl in Ihr Docker Hub -Repository:

docker push your_dockerhub_username/docker-python-app

Wenn sie aufgefordert werden, authentifizieren Sie sich zuerst mit docker login Verwenden Sie Ihre Docker Hub -Anmeldeinformationen.

# Schritt 6: Ziehen und rennen Sie von überall aus

Jeder kann jetzt Ihr Docker -Bild mit:

docker pull image_owner_username/docker-python-app

Der bezieht sich auf den Benutzernamen der Docker Hub der Particular person oder Organisation, der das Bild gehört, nicht zu Ihrem (es sei denn, Sie sind der Eigentümer). Zum Beispiel, wenn Ihr Benutzername ist john123 Und Sie möchten dieses Bild ziehen, Sie würden eingeben:

docker pull kanwal5119/docker-python-app

Weil kanwal5119 Besitzt das Bild, Sie können es nur ziehen und ausführen, nicht ändern oder darauf drücken, es sei denn, Sie haben Zugriff.

Führen Sie es mit dem Befehl aus:

docker run -p 8000:8000 image_owner_username/docker-python-app

Für Ihre Ausgabe gehen Sie zu http://localhost:8000 oder http://127.0.0.1:8000/

# Abschluss

In diesem Artikel haben Sie gelernt, wie man eine Python -App erstellt, sie mit Docker contorisiert, sie lokal testet und sie zu Docker Hub weitergibt, wodurch sie tragbar, gemeinsam genutzt und überall geleitet wird. Dies macht Ihren Entwicklungs -Workflow -sauberer und skalierbarer. Wenn Sie weiter gehen möchten, versuchen Sie es mit:

• Hinzufügen von Versionstags wie: v1.0 zu Ihren Bildern.
• Erstellen a .dockerignore Datei, um Builds zu optimieren.
• Einrichten automatisierter Builds mit Github + Docker Hub.
• Ausführen Ihres Bildes auf einer Cloud -Plattform (wie AWS, GCP oder Azure).

Es gibt noch viel mehr mit Docker, aber jetzt haben Sie die Grundlagen eingesperrt. Wenn Sie zu irgendeinem Zeitpunkt stecken bleiben oder Fragen haben, hinterlassen Sie unten einen Kommentar.

Kanwal Mehreen ist ein Ingenieur für maschinelles Lernen und technischer Schriftsteller mit einer tiefgreifenden Leidenschaft für die Datenwissenschaft und die Schnittstelle von KI mit Medizin. Sie hat das eBook „Produktivität mit Chatgpt maximieren“. Als Google -Era -Gelehrte 2022 für APAC setzt sie sich für Vielfalt und akademische Exzellenz ein. Sie wird auch als Teradata -Vielfalt in Tech Scholar, MITACS Globalink Analysis Scholar und Harvard Wecode Scholar anerkannt. Kanwal ist ein leidenschaftlicher Verfechter der Veränderung, nachdem er Femcodes gegründet hat, um Frauen in STEM -Bereichen zu stärken.

In der heutigen schnelllebigen digitalen Welt sind die Visuals zum Herzen von On-line-Inhalten geworden. Egal, ob es sich um soziale Medien, Blogs, Marketingkampagnen oder persönliche Projekte, qualitativ hochwertige und trendige Bilder handelt. Aber nicht jeder hat die Fähigkeiten oder Zeit, um professionelle Fotos zu erstellen. Hier kommt Gemini AI Picture Generator zur Rettung.

Was ist ein Gemini -AI -Bildgenerator?

Der Gemini AI Picture Generator ist ein modernes Instrument, das künstliche Intelligenz verwendet, um atemberaubende Bilder aus einfachen Textanforderungen zu erstellen. Alles, was Sie tun müssen, ist zu beschreiben, was Sie wollen, und die KI verwandelt Ihre Worte in lebhafte, realistische oder sogar künstlerische Bilder. Es ist keine komplexe Software program oder Grafikdesign -Kenntnisse erforderlich. Alles, was Sie brauchen, ist nur eine Fantasie und Kreativität.

High -Eingabeaufforderungen für die trendigen Bilder

1.

Immediate
Erstellen Sie eine 4K Extremely-HD Cinematic Painting Metro Station. Ein atemberaubendes Porträt einer jungen indischen Frau mit langem, dunklem, welligem Haar, das natürlich im Wind fließt. Sie trug eine schicke weiße, ärmellose High und hoch taillierte blaue Denims und sieht stilvoll und sorglos aus und trägt eine Einkaufstasche auf der Schulter. Kabelverdrahtete Ohrhörer ruhen in ihren Ohren und verleihen einen lässigen städtischen Contact. Die verschwommene Bewegung einer U -Bahn, die im Hintergrund passt, erzeugt eine dynamische Städterung. Die Atmosphäre ist lebendig, jugendlich und energisch und erfasst die Essenz des modernen Stadtlebens im goldenen warmen Licht perfekt, mit einem professionellen, qualitativ hochwertigen, realistischen Fotografie-Stil.

2.

Immediate
Erstellen Sie einen retro-, von Classic inspirierten Bild körnig und doch hell-basierend auf dem Referenzbild. Das Mädchen sollte in einem perfekten rot-rotem rotes ästhetischen Retro-Saree drapiert werden, und der Typ sollte einen weißen Kurta mit einem chinesischen Kragen im Pinterest-Stil in einem Retro-Look tragen. Die Stimmung muss die Essenz eines 90er-Jahre-braunhaarigen Baddie mit gewellten Locken und einer kleinen Blume sichtbar in ihr Haar festhalten, und das Haar sollte durch eine windige, romantische Atmosphäre fliegen. Der Typ sollte ihre Taille halten und tief in die Augen schauen. Sie stehen an einer soliden Wand, in der tiefe Schatten und dramatische Kontraste der Szene Geheimnis und Kunst verleihen und einen launischen, aber bezaubernden filmischen Effekt schaffen. Sie sollten sich ansehen.

3.

Immediate
Convert, 4K HD Realistisches, atemberaubendes Porträt einer jungen indischen Frau mit langen, dunklen, welligen Haaren über ihren Schultern. Sie trägt einen durchscheinenden, eleganten roten Saree, der über eine Schulter drapiert ist und eine sitzende Bluse darunter enthüllt. Weiße Blumen stehen hinter ihrem rechten Ohr. Sie schaut leicht nach rechts, mit einem weichen und ruhigen Ausdruck. Ich möchte genau das gleiche Gesicht wie ich ohne Abwechslung hochgeladen habe. Der Hintergrund ist eine schlichte, warmige Wand, die von einer warmen Lichtquelle von rechts beleuchtet wird und einen ausgeprägten, weichen Schatten ihres Profils und ihres Haares an der Wand hinter sich erzeugt. Die allgemeine Stimmung ist retro und künstlerisch.

4.

Immediate
Konvertieren Sie dies in ein 4K Extremely-HD-romantisches Porträt einer indischen Hochzeit während des goldenen Stunden Sonnenuntergang. Der Bräutigam, gekleidet in einem eleganten weißen Sherwani, legt eine florale Girlande (Phool Mala) um den Hals der Braut, während sie sie liebevoll ansieht. Die Braut trägt eine atemberaubende rote Lehenga, die glücklich und emotional aussieht, mit weichem rosa Make-up und braunen Lippen, die ihre natürliche Schönheit verbessern. Die Atmosphäre ist verträumt und romantisch, mit einem wunderschön eingerichteten Blumensitzarrangement im Hintergrund. Die Ozeanwellen und das warme goldene Sonnenlicht erzeugen eine magische Umgebung, die diesen intimen und herzlichen Hochzeitsmoment perfekt erfasst.

5.

Immediate
Erstellen Sie ein Bild von einer filmischen Szene, in der ein Paar Hand in Hand in einer Straße in einer alten europäischen Stadt in Twilight geht. Die Straßenlaternen wirfen ein goldenes Licht und beleuchten ihre freudigen Ausdrücke. Es wird die Essenz des romantischen Abenteuers und des Zusammengehörigkeit zeigen.

6.

Immediate
Erstellen Sie ein 4K Extremely HD Cinematic -Porträt. Verwenden Sie die bereitgestellten zwei Bilder: eines meiner gegenwärtigen Selbst (Erwachsener) und eines meiner jüngeren Selbst (als Child). Auf dem Bild sollte mein gegenwärtiges Selbst mein Child liebevoll halten. Die Szene sollte während der goldenen Stunde mit weichem, warmem natürlichen Licht festgelegt werden. Wir sollten beide direkt in die Kamera schauen, als ob wir für ein Foto posieren würden. Das Endergebnis sollte wie ein frisch geklicktes Kamerafoto mit einem weißen Rande-Rahmen-Rand aussehen. Fügen Sie auf dem weißen Raum am unteren Rand des Rahmens den handgeschriebenen Textual content „mit Liebe“ hinzu, gefolgt von einem kleinen leeren Herzsymbol.

So erzielen Sie die besten Ergebnisse mit Gemini AI Picture Generator

Um das Beste aus Gemini AI Picture Generator zu machen, finden Sie hier einige Tipps:

• Seien Sie spezifisch in Ihren Eingabeaufforderungen
  Je mehr Particulars Sie angeben, desto besser ist die Ausgabe. Versuchen Sie zum Beispiel anstelle von „Mädchen in Saree“ „junges indisches Mädchen mit einem roten Seidensari, lächelt und in einem sonnigen Garten stehen“.
• Experimentieren mit Stilen
  Sie können zwischen realistischem, Cartoon, Fantasie oder moderner Ästhetik wählen. Mischstile können zu einzigartigen Ergebnissen führen.
• Verfeinern und iterieren
  Manchmal braucht es ein paar Versuche, um das perfekte Bild zu erhalten. Zögern Sie nicht, Ihre Eingabeaufforderungen zu optimieren, bis sie Ihrer Imaginative and prescient entspricht.

Warum AI Picture Generator ein Spielveränderer ist

1. Zeitsparend
   Manuelles Erstellen professioneller Bilder kann Stunden oder sogar Tage dauern. Mit dem KI-Bildgenerator können Sie in Minuten mehrere hochwertige Visuals erzeugen.
2. Endlose Kreativität
   KI kann jede Idee zum Leben erwecken. Von realistischen Fotos bis hin zu Fantasy -Kunst oder trendigen ästhetischen Bildern sind die Möglichkeiten unbegrenzt.
3. Kostengünstig
   Einstellung von Designern oder Fotografen kann teuer sein. Die Verwendung von AI Picture Generator bietet eine budgetfreundliche Different ohne Kompromisse.

Abschluss

Die digitale Welt bewegt sich schnell und visuelle sind der Schlüssel zur Aufmerksamkeit. Mit Gemini Ai Picture GeneratorSie können mühelos atemberaubende, trendige und sehr engagierte Fotos erstellen. Warum additionally warten? Experimentieren Sie noch heute mit Ihren Ideen und erhöhen Sie Ihr Content material-Spiel mit KI-betriebener Kreativität. Wenn Sie jemals KI -Bilder generieren möchten, können Sie es auch versuchen Yatter aiein cleverer Assistent, der auf WhatsApp verfügbar ist.

Lassen Sie uns actual sein: Die Welt der KI -Picture -Era bewegt sich in schwindelerregendem Tempo. Eine Woche fällt ein neues Modell ab, das die menschlichen Hände perfekt rendern kann. Am nächsten kommt ein anderer, der schneller ist und auf Ihrem Laptop computer läuft. Es ist eine großartige Zeit, ein Schöpfer zu sein, aber es ist auch verwirrend. Welches Software sollten Sie tatsächlich verwenden? Wir setzen zwei faszinierende Konkurrenten von Kopf an Kopf an: Alibabas Qwen-Picture gegen das neue, faszinierend benannte Nano Banane.

Eines ist ein poliertes Kraftpaket eines Tech-Riese, der für seine unglaublichen Element- und Textual content-Rendering-Fähigkeiten bekannt ist. Das andere ist ein schlankes, schnelles und effizientes Modell, das die Qualität ohne Wartezeit verspricht. Aber wenn sich die Pixel niederlassen, welches ist eigentlich besser für Sie? Lassen Sie uns herausfinden.

Wie greife ich zu?

Ich habe die Chatbot -Schnittstelle für diesen Artikel verwendet. So können Sie beide Modelle zugreifen:

• Nano Banane: Sie können die App einfach auf Ihr Telefon herunterladen oder besuchen Zwillinge/Google AI Studio und greifen Sie auf das Modell zuzuwählen 2.5 Blitz Oben und klicken Sie auf „Bilder erstellen“ im Abschnitt „Instruments“.
• Qwen Bild: Sie können einfach die QWEN -Chat -App auf Ihr Telefon herunterladen oder besuchen QwenWählen Sie ein QWEN -Modell aus und klicken Sie auf „Bildgenerierung“ oder „Bildbearbeitung“, um mit dem Erstellen zu beginnen.

Treffen Sie die Konkurrenten

Bevor wir zum praktischen Showdown kommen, lernen wir unsere beiden Künstler kennen.

Qwen Picture: Der polierte Fachmann

Denken Sie an Qwen Bild als erfahrenes Schwergewicht in diesem Kampf. Unterstützt von Alibaba, es ist Teil der größeren Qwen -Familie von KI -Modellen. Der Anspruch auf Ruhm ist, dass es eines der wenigen Modelle ist, die es tatsächlich können Machen Sie Textual content richtig. Für alle, die versucht haben, ein einfaches Zeichen oder Emblem mit zu generieren AiSie kennen den Schmerz, zu beobachten, wie es verstümmte, außerirdische Skript produziert. Qwen Picture löst dies weitgehend und macht es zu einer Anlaufstelle für praktischere, designorientierte Aufgaben.

• Stärken: Excessive-Constancy-Bilder, hervorragende Textgenerierung, excellent zum Erstellen polierter „endgültiger“ Vermögenswerte.
• Am besten für: Designer, Vermarkter und alle, die Textual content und Picture benötigen, um perfekt zusammenzuarbeiten.

Nano Banane: Der schnelle Innovator

Nano Banane ist der flinke Neuling. Es ist kleiner, für Geschwindigkeit gebaut und repräsentiert eine neuere Klasse von Modellen, die als latente Konsistenzmodelle (LCMS) bekannt sind. Ohne zu technisch zu werden, sind LCMs so konzipiert, dass sie Bilder in weitaus weniger Schritten als herkömmliche Modelle generieren. Dies bedeutet, dass Sie Ihr Bild in einem Bruchteil der Zeit erhalten. Das Versprechen von Nano Banane ist „jetzt intestine genug“. Es ist für eine schnelle Iteration, Brainstorming und die Erlangung von Ideen aus Ihrem Kopf und so schnell wie möglich auf den Bildschirm ausgelegt.

• Stärken: Unglaublich schnelle Era, effizient (kann auf weniger leistungsstarker {Hardware} ausgeführt werden), excellent für Brainstorming und schnelles Prototyping.
• Am besten für: Künstler, Entwickler und Schöpfer, die Geschwindigkeit schätzen und schnell mit vielen Ideen experimentieren wollen.

Der praktische Showdown: Machen wir einige Bilder

Reden ist billig. Mal sehen, wie diese beiden Modelle bei einigen realen Aufgaben abschneiden. Ich habe die gleichen Eingabeaufforderungen für beide Modelle verwendet, um die Dinge honest zu halten.

Aufgabe 1: Die praktische Herausforderung für Textual content & Emblem

Ziel: Testen Sie die Möglichkeit, ein markenbereites Emblem zu erstellen, das eine Grafik mit genauem, stilisiertem Textual content kombiniert.

Immediate: „Erstellen Sie ein Emblem für eine neue Kaffeemarke namens“ Rocket Gas „. Das Emblem sollte ein Retro-Raketenschiff enthalten und den Slogan“ Begin Your Day „enthalten. Der Stil sollte minimalistisch und für eine Kaffeetasse geeignet sein.“

Output von Nano Banana:

Ausgabe von Qwen Picture:

Rezension:
Beide Modelle funktionierten zufriedenstellend mit einer eigenen Wendung! Nano Banane Erstellte ein visuell ansprechendes Bild, das von der Eingabeaufforderung inspiriert warfare, ging aber voran und implementierte es auf einem Glasbecher, was nicht gefragt wurde. Das würde ich als bezeichnen sich selbst voraus sein.

Qwen Bild Hat es besser gemacht. Es hat den Textual content festgenagelt, „Raketenkraftstoff“ und „Begin Your Day“ perfekt gemacht. Die Retro-Rakete ist intestine integriert und das Design fühlt sich wie ein echtes Emblem-Konzept an. Diese Antwort ist der anfänglichen Nachfrage viel näher.

Aufgabe 2: Addition des Kontextobjekts (Inpainting)

Ziel: Testen Sie die Fähigkeit, einem vorhandenen Foto nahtlos ein neues Objekt hinzuzufügen und die Beleuchtung, Perspektive und Stil zu entsprechen.

Eingabebild:

Immediate: „Fügen Sie eine kleine, flauschige Katze hinzu, die auf dem Stapel Bücher auf dem Boden schläft.“

Output von Nano Banana:

Ausgabe von Qwen Picture:

Rezension:
Beide Modelle fügten erfolgreich eine Katze hinzu, aber die Ausführung zeigt ihre Kernunterschiede. Nano Banane warfare schnell und produzierte eine Katze, die zur allgemeinen Beschreibung passte. Die Katze befindet sich in der Nähe der Regale, und die Bücher unter der Katze haben die Farben aus dem Rack, was es intestine vermischt.

Qwen Bild Hier passt genau die Antwort. Die Katze steht in der Mitte des Bildes und die darunter liegenden Bücher sind größer als gewöhnlich. Dies gibt dem Bild ein fiktives Gefühl.

Aufgabe 3: Textual content in einem Bild bearbeiten

Ziel: Kann das Modell den Textual content kreativ im Bild verändern und gleichzeitig gemischt halten?

Eingabebild:

Immediate: „Erweitern Sie den Hintergrund dieses Gemäldes und zeigen Sie den Relaxation des Raumes, in dem sie sich befindet.“

Output von Nano Banana:

Ausgabe von Qwen Picture:

Rezension:
Dies warfare ein schwieriger Check und beide Modelle waren beeindruckend. Nano Banane Die Antwort erstellte die Antwort, die die Anforderung am besten widerspiegelte, wenn auch der volle Stopp am Ende näher kommen können.

Qwen Bild Erstellt ein Bild ohne solche kleinen Fehler, aber die Bearbeitung mischt sich nicht wirklich mit dem Relaxation des Bildtextes ein.

Aufgabe 4: Künstlerische Interpretation und Stilmimikry

Ziel: Können die Modelle über den Photorealismus hinausgehen und einen bestimmten künstlerischen Stil und eine subtile emotionale Stimmung von Grund auf erfassen?

Immediate: „Ein Porträt eines traurigen, alten Roboters, der alleine auf einer Parkbank im Regen sitzt, im Stil eines grobkörnigen Comedian -Buches.“

Output von Nano Banana:

Ausgabe von Qwen Picture:

Rezension:
Beide Modelle haben sich hier hervorgetan, aber sie interpretierten den Stil anders. Nano Banane produzierte ein Bild, das sich eher wie ein Schnappschuss aus einem Animationsfilm anfühlt. Es fängt die Elemente „trauriger Roboter“ und „Regen“ intestine ein, aber der Stil „Noir Comedian“ ist suggestiv als wörtlicher. Es ist launisch und effektiv für die schnelle Visualisierung.

Qwen Bild beugte sich stark in die Anweisung „Comedian“. Die Ausgabe enthält Comedian-buchartige Grenzen, scharfe Linien und eine Komposition, die sich anfühlt, als würde sie direkt aus einem Grafik-Novel-Panel gezogen. Es ist eine treue und detailliertere Interpretation der stilistischen Einschränkung der Aufforderung. Nano Banane gab uns das Gefühl; Qwen gab uns das fertige Comedian -Panel.

Das Urteil: Es geht nicht darum, wer „besser“ ist, es geht darum, was Sie brauchen

Nach dem Ausführen dieser Assessments fühlt sich das Deklarieren eines Modells der „Gewinner“ falsch an. Sie sind eindeutig für verschiedene Zwecke ausgelegt, und beide gelingt es spektakulär, was sie vorhaben.

Wählen Sie Qwen Picture, wenn:

• Sie brauchen ein poliertes, endgültiges Bild. Für Marketingmaterialien, professionelle Entwürfe oder ein beliebiges Projekt, bei dem Particulars von größter Bedeutung sind, ist Qwen die klare Wahl.
• Sie benötigen Textual content in Ihrem Bild. Wenn Ihr Bild Wörter enthalten muss, kümmern Sie sich nicht einmal um andere Modelle. Qwen ist gerade der König des Textes.
• Sie haben eine sehr spezifische Imaginative and prescient. Qwen scheint komplexe Anweisungen mit größerer Präzision zu befolgen und ein Bild zu liefern, das beim ersten Versuch näher an Ihrer Eingabeaufforderung liegt.

Wählen Sie Nano Banane, wenn:

• Sie brauchen Ideen und Sie brauchen sie schnell. Für Brainstorming, das Erstellen von Moodboards oder das Spielen ist die Geschwindigkeit von Nano Banana ein Sport-Changer. Sie können ein Dutzend Konzepte in der Zeit generieren, in der QWEN ein oder zwei erstellt werden muss.
• Sie sind ein Künstler, der nach einer Foundation sucht, aus der sie arbeiten können. Die etwas weniger polierte Leistung der Nano -Banane kann ein perfekter Ausgangspunkt für ein digitales Gemälde oder ein mattes Gemälde sein.
• Sie arbeiten mit begrenzter {Hardware} oder einem knappen Price range. Kleinere, effizientere Modelle wie Nano Banane führen die Anklage, die KI für alle zugänglich zu machen.

Letzte Gedanken

Der Kampf zwischen Nano Banana und Qwen Picture ist keine Geschichte von Intestine gegen schlecht; Es ist eine perfekte Illustration der aufregenden Vielfalt im KI -Raum. Wir bewegen uns über die Ära von einheitlichen Modellen.

Aber die beiden haben sich oben in den Bildverarbeitungsmodellen positioniert. Es gibt kein anderes Modell, das als überzeugende Bilder wie diese beiden produziert.

Das Beste daran? Sie müssen nicht wählen. Verwenden Sie Nano Banana, um zehn verschiedene Katzen in Helmen zu erfassen, wählen Sie Ihr Lieblingskonzept aus und übernehmen Sie diese Aufforderung zum Qwen Picture, um das endgültige, perfekte Porträt zu rendern. In der Zukunft der Kreativität geht es nicht darum, ein Software zu ersetzen. Es geht darum, eine ganze Toolbox mit spezialisiertem AIS zu haben und genau zu wissen, welches für den Job ausgewählt werden soll.

Häufig gestellte Fragen

Ich bin spezialisiert auf die Überprüfung und Verfeinerung von KI-gesteuerten Forschungen, technischen Dokumentationen und Inhalten im Zusammenhang mit aufstrebenden KI-Technologien. Meine Erfahrung umfasst das KI -Modelltraining, die Datenanalyse und das Abrufen von Informationen, sodass ich Inhalte herstellen kann, die sowohl technisch genau als auch zugänglich sind.

Ich warfare nicht zu aktiv bei der Verwendung von AI, um Bilder zu generieren. Meistens, weil keines der bisherigen KI -Instruments in der Lage ist, das Qualitätsniveau zu liefern, das ich in meinen Bildern suche. Und so fällt das Erstellen von Bildern für meine Blogs hauptsächlich auf meinen Teamkollegen und einen außergewöhnlichen Grafikdesigner Armaan. In diesem speziellen Weblog habe ich Armaan eine Pause gegeben. Vielen Dank an Googles neues „Nano-Banana“ -Gemini 2.5-Flash-Bild.

Das ist das, was das neueste Bildgenerierungsmodell aus der Haus von Gemini heißt. Das Gemini 2.5 Flash Picture oder Nano-Banana ist mehr als eine Bildgenerierung. Warum? Mit dem Replace können Sie jetzt mehrere Bilder in ein einzelnes Bild mischen. Zumindest behauptet es, wie es in einem Google-Weblog erwähnt wird, in dem das neue Gemini Picture-Gen-Modell vorgestellt wird.

Wenn es das tut, was es sagt und es intestine macht, kenne ich persönlich ein Dutzend KI -Enthusiasten, die sich nicht freuen, es zu versuchen. Falls Sie ein solcher Liebhaber der KI-Bildgenerierung sind, ist hier alles, was Sie über das neue Gemini 2.5-Flash-Bild wissen müssen, zusammen mit einem praktischen Experiment, das ich darauf ausprobiert habe.

Was ist Gemini 2.5 Flash Picture?

Kurz gesagt, Gemini 2.5 Flash Picture ist ein neues Bildgenerierungs- und Bearbeitungsmodell von Google. Es ist ein Replace für das viel gefeierte Gemini 2.0-Flash-Bildbildungsmodell, das es schneller und besser macht, mit hinzugefügten Bildbearbeitungsfunktionen.

Für den Kontext kann das neue Gemini 2.5 -Flash -Bild mehrere Bilder in eins einfügen, die Charakterkonsistenz beibehalten und zielgerichtete Transformationen in einem Bild vornehmen. Wie Google es ausdrückt, verwendet das Modell Geminis „Weltwissen, um Bilder zu generieren und zu bearbeiten“.

Lassen Sie uns diese Funktionen ein wenig detaillierter erkunden.

Gemini 2.5 Flash -Bildfunktionen

Behalten Sie die Charakterkonsistenz auf

Quick jeder, der KI verwendet hat, um Bilder zu generieren, wird sich darauf beziehen. Einzelne Bildaufforderungen dienen Ihnen normalerweise intestine. Aber sobald Sie möchten, dass ein bestimmtes Component wie über einen Satz von Bildern gezeigt wird, ins Wanken geraten, ins Stocken geraten.

Google behauptet, daran gearbeitet zu haben, mit dem neuen Gemini 2.5 -Flash -Picture. Hier ist, was es für die Fähigkeit des Nano-Banana in dieser Hinsicht sagt:

„Sie können jetzt den gleichen Charakter in verschiedene Umgebungen einfügen, ein einzelnes Produkt aus mehreren Blickwinkeln in neuen Einstellungen präsentieren oder konsistente Markengüter generieren, während Sie das Thema erhalten.“

Hat es es genagelt? Finden Sie in Kürze in meinem praktischen Experiment mit dem Modell heraus.

Promptbasierte Bildbearbeitung

Dies ist ähnlich wie das „Photoshopping“ ein bestimmtes Component in/ aus einem Bild, aber durch einfache Eingabeaufforderungen. Gemini 2.5 Flash Picture kann „den Hintergrund eines Bildes verwischen, einen Fleck in einem T-Shirt entfernen, eine ganze Particular person von einem Foto entfernen“ und vieles mehr, wie Google behauptet.

Die genauen lokalen Änderungen mit natürlichen Sprachaufforderungen machen es zu einem leistungsstarken KI -Modell, sofern es es intestine macht. Mach dir keine Sorgen. Wir werden es früh genug in unserem Handeln ausprobieren.

Multi-Picture-Fusion

Dies scheint das neue heiße Replace für das Gemini 2.5 Flash-Picture zu sein. Das Nano-Banana kann nach Google „mehrere Eingabebilder verstehen und zusammenführen“, was bedeutet, dass Sie Bilder jetzt mit einer einzigen Eingabeaufforderung fusionieren können. Setzen Sie eine Particular person, die das Ereignis auf einem Gruppenfoto verpasst hat, ein Objekt in eine Szene oder eine andere Verwendung ein, die Sie sich vorstellen können. Alle mit einer einfachen Eingabeaufforderung.

Praktisches Laden. Bleiben Sie dran!

Kenntnisse der Heimatwelt

Wie ich in meinem Artikel betonte – – Warum KI keinen gesunden Menschenverstand hatAI -Modellen fehlen ein tiefes, semantisches Verständnis der realen Welt. Quick alle ästhetischen Photographs, die sie produzieren, sind ein Ergebnis ihrer Trainingsdaten. Google behauptet, dies umgangen zu haben, da das neue Nano-Banana-Modell „von Geminis weltweitem Wissen profitiert“.

Ohne weitere Informationen darüber zu teilen, wie dies ermöglicht wurde, gibt Google an, dass diese Fähigkeit neue Anwendungsfälle für das Gemini 2.5-Flash-Bildmodell ermöglicht. Keine Sorge, wir werden es bald für all seinen Wert testen.

Aber vorher können Sie auf das neue Bild von Gemini Flash 2.5 zugreifen

Gemini Flash 2.5 Picture Barrierefreiheit

Das neue Google Nano-Banana oder das Gemini Flash 2.5-Bild ist derzeit über die Gemini-App oder -webelle für einzelne Benutzer verfügbar.

Für einzelne Benutzer

Sie können die App einfach auf Ihrem Telefon herunterladen oder gemini.google.com besuchen und auf das Modell zugreifen, indem Sie oben 2.5 Flash oben auswählen und auf „Bilder erstellen“ im Abschnitt „Instruments“ klicken.

Für Entwickler

Entwickler können über Gemini API und Google AI Studio auf dasselbe zugreifen, während Enterprise -Shoppers über die Vertex AI auf das Instrument zugreifen können.

Befolgen Sie die folgenden Schritte für den Zugriff über API:

1. Installieren Sie die erforderlichen Bibliotheken

Installieren Sie die neueste Model des Google Generative AI SDK mit PIP und stellen Sie sicher, dass Sie PIL (Kissen) für die Bildverarbeitung installiert haben:

pip set up google-generativeai pillow

Mit diesem Befehl importiert alle erforderlichen Bibliotheken zu Beginn Ihres Skripts zur reibungslosen Ausführung.

2. Authentifizieren Sie Ihren API -Zugriff

Richten Sie die Authentifizierung ein, indem Sie Ihren API -Schlüssel (falls erforderlich) als Umgebungsvariable oder Authentifizierung über Cloud -Identitätsanbieter exportieren, damit der Genai SDK auf die generativen AI -Endpunkte von Google zugreifen kann:

import os
os.environ("GOOGLE_API_KEY") = ""

Stellen Sie sicher, dass Ihr API -Konto aktiv ist und über ausreichende Quoten für Anfragen verfügt.

3. Konfigurieren und rufen Sie das Modell auf

Initialisieren Sie den Shopper, setzen Sie das Modell auf „Gemini-2,5-Flash-Picture-Preview“ und geben Sie eine relevante Eingabeaufforderung anhand der Inhaltsgenerierungsmethode des SDK weiter:

from google import genai
shopper = genai.Shopper()
immediate = "Create an image of a nano banana dish in a elaborate restaurant with a Gemini theme"
response = shopper.fashions.generate_content(
mannequin="gemini-2.5-flash-image-preview",
contents=(immediate),
)

4.. Analysieren und speichern Sie das generierte Bild

Iterieren Sie die Antwort, um nach Textual content- und Bildausgängen zu überprüfen, und speichern Sie das generierte Bild mit PIL:

from PIL import Picture
from io import BytesIO
for half in response.candidates.content material.components:
if half.textual content is just not None:
print(half.textual content)
elif half.inline_data is just not None:
picture = Picture.open(BytesIO(half.inline_data.knowledge))
picture.save("generated_image.png")

Verwenden Sie für den Zugriff über Google AI Studio einfach die „Construct -Modus“ in Google AI Studio hier. Einmal auf der Plattform können Sie einfach eine Eingabeaufforderung eingeben, um die Artwork der Bildgenerierung/ -bearbeitung basierend auf dem gewünschten Gemini 2.5 -Flash -Bild zu entwerfen. Denken Sie an Face-Swap oder Kleider-Swap.

Gemini Flash 2.5 Bild praktisch

Da die KI -Picture -Generierung, die Eingabeaufforderungen verwenden, ziemlich einfach ist, habe ich beschlossen, das neue Gemini Flash 2.5 -Bild in den USPS zu probieren, außer natürlich der grundlegenden Bildgenerierung. Schauen Sie sich die Ergebnisse selbst an:

1. Generieren neuer Bilder

Hier sind zwei Bilder, die ich mit Gemini 2.5 Professional Flash generiert habe. Einer von einem 25-jährigen Jungen aus den Hügeln von Himachal Pradesh und ein anderer eines Gaddi-Hundes. Hier sind die Eingabeaufforderungen:

Eingabeaufforderung 1: Geben Sie mir ein Porträtbild eines indischen Jungen im Alter von 25 Jahren aus Himachal Pradesh. Der Junge hat dichte, schwarze Haare und hellgrüne Augen und trägt ein tremendous kühles, festes weißes Hemd

Eingabeaufforderung 2: Geben Sie mir ein Porträtbild eines Pahadi -Gaddi -Hundes, schwarzer Farbe mit einem dicken Fell und einer größeren Größe im Vergleich zu einem normalen Straßenhund

Ausgabe:

Während die Ergebnisse eindeutig generiert erscheinen, würde ich Nano-Banana 10/10 für die Ergebnisse geben. Dies liegt einfach an der tremendous hohen Qualität der Bilder, der genauen Darstellungen der Eingabeaufforderung und der Tatsache, die ich in der Aufforderung nie erwähnt habe, die Bilder zu realistisch zu machen.

2. Zusammenführen von Bildern

Für die Konsistenz habe ich für den Relaxation von Assessments mit diesen beiden Bildern herumgespielt. Additionally bat ich das Modell, die beiden Bilder des Jungen und des Hundes in einem landschaftlichen Hintergrund zusammenzuführen. Hier ist die Eingabeaufforderung:

Immediate: Zeigen Sie dem Jungen und dem Hund, der in einem riesigen offenen Feld vor dem Hintergrund eines Flusses in einem Tal und schneebedeckten Bergen auf der anderen Seite des Flusses spielt

Ausgabe:

Es dauerte einige Zeit, bis das KI -Modell den Weg zur richtigen Ausgabe fand. Mit den ersten Ergebnissen, die ein wenig ausbreitend waren, gab es ein zu und nach Eingabeaufforderungen und Ergebnissen, bevor ich fand, wonach ich suchte. Aber als ich es tat, warfare ich beeindruckt! Alles bis zum letzten Element warfare so genau wie ich erwähnt und so ästhetisch, wie ich hätte fragen können.

3. Bildbearbeitung

Nach der Bildung und Fusion der Bild erfolgt der Bearbeitungsteil. Um diese auszuprobieren, habe ich zum ersten Mal das Bild von Gemini Flash 2.5 gefragt, um eine kleine Hütte in der malerischen Szene hinzuzufügen. Hier ist die Eingabeaufforderung:

Immediate: Zeigen Sie auf diesem Bild in einiger Entfernung einen kleinen Schuppen in der Nähe des Flusses

Ausgabe:

Makellose Ausführung im ersten Versuch. Es scheint offensichtlich, dass Google massiv an dem Nano-Banana gearbeitet hat, insbesondere in den Bereichen, in denen es hervorgehoben wird, um sie zu übertreffen.

4. Die Charakterkonsistenz beibehalten

Auf den härtesten Teil für Die meisten KI -Modelle. Ehrlich gesagt warfare ich ziemlich skeptisch gegenüber diesem einen USP. Natürlich warfare ich auch sehr aufgeregt, es auszuprobieren. Ich bat das Modell, die gesamte Einstellung im Bild in das eines Strandes zu ändern. Hier ist die Eingabeaufforderung:

Immediate: Zeigen Sie dem Jungen und dem Hund, der läuft, während er sich in einem Strand anstelle der aktuellen Umgebung befindet. Der Junge trägt jetzt Shorts und eine Weste und hat ein Tattoo über seiner linken Arm

Ausgabe:

Nichts kurzes als beeindruckend, Gemini 2.5 Flash Picture gelang es, einen ziemlich anständigen Job zu machen. Obwohl es wiederholte Versuche erforderte, zu einem ästhetischen Ergebnis zu gelangen, konnte das neue Bildmodell die Particulars des Jungen und des Hundes mit quick vollständiger Genauigkeit wiederholen. Wenn Sie genau hinschauen, ist der geringfügige Unterschied, den Sie bemerken werden, in der Frisur des Jungen. Ruhe sieht mir quick genau ähnlich wie in der vorherigen Einstellung. Ich habe sogar die Idee „Tattoo on One Arm“ ausprobiert, um zu sehen, wie Gemini es ausführt. Ich kann nur sagen, dass das Modell für eine intestine gemachte Arbeit ein großes Lob an das Modell ist!

5. Gebäude Gemini 2.5 Flash Picture Powered App

Um Gemini 2.5 Flash -Picture in einer App für die wiederholte Bildgenerierung und -bearbeitung zu testen, haben wir die folgende Eingabeaufforderung im „Construct -Modus“ von Google AI Studio verwendet

Immediate: Erstellen Sie einen Versuch in App, in dem Benutzer ihre Bilder hochladen und verschiedene Kleidung ausprobieren können, um zu sehen, wie sie darin aussehen.

Ausgabe: Du kannst Schauen Sie sich die App-App an, die wir hier erstellt haben.

Abschluss

Mit einer einzigen Reihe von Bildgeneration und Bearbeitung des neuen Gemini 2.5-Flash-Photographs sind die Updates und die erweiterten Funktionen für mich ziemlich deutlich. Was ich besonders begeistert bin, ist die neue Bildverführungsfähigkeit des Modells. Ich kann n-nummer von Szenarien voraussehen, in denen das für mich persönlich hilfreich sein kann. Was die meisten anderen Inhaltsersteller da draußen betrifft, erweist sich die Bildbearbeitung und die Charakterkonsistenz auf dem neuen Gemini 2.5-Flash-Picture als Sport-Changer.

Wir versuchen uns häufig mit solchen neuen KI -Modellen, um die Grenzen ihrer Fähigkeiten zu testen. Bleiben Sie additionally auf dem Laufenden, um mit dem neuesten in der Welt der KI aktualisiert zu werden.

Google AI hat gerade enthüllt Gemini 2.5 Blitzbildein Bildmodell für die neue Era, mit dem Benutzer Bilder generieren und bearbeiten können, indem sie sie einfach beschreiben-und seine wahre Innovation ist, wie es präzise, ​​konsistente und hochgeschwindige Änderungen mit beeindruckender Geschwindigkeit und Skala liefert.

Was macht Gemini 2.5 Flash Picture beeindruckend?

Gemini 2.5 Flash Picture basiert auf der multimodalen, fortschrittlichen Argumentation von Gemini 2.5 (dh es versteht sowohl Bilder als auch Textual content nativ) und ermöglicht nahtlose Workflows für die Erzeugung und Bearbeitung. Diese Architektur ermöglicht Benutzern:

• Mischen Sie mehrere Bilder in eine mit einer einzigen Eingabeaufforderung
• Behalten Sie die Fach- und Charakterkonsistenz über viele Änderungen hinweg bei
• Machen Sie zielgerichtete, natürliche sprachgetriebene Transformationen (z. B. „Ändern Sie die Hemdfarbe“, „Individual vom Foto entfernen“).
• Behalten Sie den Kontext und die visuelle Treue durch iterative Revisionen bei – unabhängig von der Komplexität oder Vielfalt der Änderungen

Dies ist ein Sprung über ältere Bildmodelle hinaus, der häufig Schwierigkeiten hatte, die Identität oder visuelle Kohärenz bei Änderungen oder Kompositierungsszenen zu erhalten.

Wichtige technische Funktionen

• Präzise visuelle Bearbeitung: Das Modell unterstützt hoch genaue, lokalisierte Änderungen, die auf natürlichen Sprachanforderungen basieren, von Hintergrundverschwamm bis hin zu Anpassungen und Objektumbauten.
• Multimodale Fusion: Akzeptiert mehrere Referenzbilder und verschmilzt sie, um beispielsweise komplexe Produktmodelle oder Multi-Charakter-Szenen in der Werbung zu ermöglichen.
• Vorlage/Markenkonsistenz: Gemini 2.5 Flash Picture erhalten Styling, Branding und Charakterkonsistenz über erzeugte Vermögenswerte oder Produktkataloge.
• Fortgeschrittene Argumentation: Zapfteilt in Geminis semantische Weltwissen für Aufgaben wie Diagrammverständnis oder Bildungsannotation – nicht nur fotorealistisches Rendering.
• Skalierbare API -Verfügbarkeit: Entwickler und Unternehmen können über Gemini-API, Google AI Studio und Vertex AI auf das Modell zugreifen-mit eingebauten synthiden Wasserzeichen für AI-Herkunft und regulatorische Einhaltung.

Benchmark -Führung und Neighborhood -Empfang

Gemini 2.5 Flash Picture hat schnell öffentliche Benchmarks geführt und LMARena für eine schnelle Einhaltung und Bearbeitungsqualität übertroffen. Übertreffende Konkurrenten wie die nativen Bildwerkzeuge von GPT-4O und die Bildmodelle von Flux AI. Enthusiasten und Experten heben seinen Fotorealismus hervor, aber auch seine bemerkenswerte semantische Kontrolle – Vernetzungen, die dem Ausgangsmaterial auch über mehrere Iterationen natürlich und treu aussehen.

Preisgestaltung, Zugang und zukünftige Roadmap

Das Modell ist in der Vorschau für 0,039 USD professional Bild über Gemini API, Google AI Studio und Vertex AI erhältlich, wobei Enterprise und Entwicklerintegration dank Partnerschaften mit Plattformen wie OpenRouter und Fal.ai schnell steigt. Alle erzeugten Bilder bieten unsichtbare synthidische Wasserzeichen für Rückverfolgbarkeit und Einhaltung von AI-Ethik, und Google verbessert aktiv die Langform-Textrendern und sogar eine feinere Konsistenz.

Zusammenfassend:

Gemini 2.5 Flash Picture ist nicht nur schneller und kreativer, es ist technisch „a-peeling“, da es schließlich die langjährige Herausforderung einer konsextbewussten Bildbearbeitung in generativer KI löst-unverzerrende leistungsstarke neue Workflows für Schöpfer, Entwickler und Enterprises.

FAQs

Was ist Gemini 2.5 Flash Picture?

Gemini 2.5 Flash Picture ist das hochmoderne KI-Modell von Google zum Generieren und Bearbeiten von Bildern mit natürlichen Sprachanforderungen, unterstützt multimodale Fusion und fortgeschrittenes Denken für präzise, ​​konsistente Änderungen.

Beschreiben Sie einfach die Änderungen, die in der natürlichen Sprache benötigt werden, z. B. „Entfernen Sie eine Individual aus dem Foto“ oder „Hemdfarbe ändern“, und das Modell wendet Änderungen an, während die wichtigsten visuellen Particulars und die Szenenkonsistenz erhalten bleiben.

Gemini 2.5 Flash Picture ist in der Gemini -App, Google AI Studio, Vertex AI und über API für Entwickler und Unternehmen verfügbar. Es ist auch in Plattformen wie Adobe Firefly und Specific integriert.

Standardmäßig werden Bilder im JPEG -Format anstelle von PNG oder WebP generiert, was die Optimierung für breite Kompatibilität und Dateigröße widerspiegelt.

Schauen Sie sich das an Technische Particulars hier. Fühlen Sie sich frei, unsere zu überprüfen Github -Seite für Tutorials, Codes und Notizbücher. Fühlen Sie sich auch frei, uns zu folgen Twitter Und vergessen Sie nicht, sich unserer anzuschließen 100k+ ml Subreddit und abonnieren Unser Publication.

Asif Razzaq ist der CEO von Marktechpost Media Inc. Sein jüngstes Bestreben ist die Einführung einer Medienplattform für künstliche Intelligenz, Marktechpost, die sich durch die ausführliche Berichterstattung über maschinelles Lernen und Deep-Studying-Nachrichten auszeichnet, die von einem breiten Publikum technisch intestine und leicht verständlich sind. Die Plattform verfügt über über 2 Millionen monatliche Ansichten und veranschaulicht ihre Beliebtheit des Publikums.