今回の記事ではGoogle Bardにも使われている大規模言語モデルの「Gemini Pro」のAPIを使う方法の解説をしていきます。
Gemini Pro APIの概要
Gemini Pro APIは、Google AIが提供する生成AIモデルのAPIです。
テキスト生成、画像解釈、翻訳、チャットなど、さまざまなアプリケーションに組み込むことができます。
Gemini Pro APIでできること
Gemini ProのAPIを利用することで、
- テキスト生成:ニュース記事やブログ記事、Webサイトのコンテンツなど、さまざまなテキストを生成することができます。
- 画像解釈:画像内のテキストやオブジェクトを認識し、その情報をテキストとして出力することができます。
- 翻訳:テキストの翻訳を行うことができます。
- チャット:ユーザーの質問や要求に応じて、テキストを生成して会話を行うことができます。
などの機能を実装することができます。
Gemini Pro APIの利用開始手順
今回はGoogle AI StudioからAPIを利用する方法を試してみます。
以下のURLにアクセスしてください。
![](https://ai.google.dev/static/site-assets/images/share.png)
「Get API key in Google AI Studio」をクリックします。
![](https://biztechdx.com/wp-content/uploads/2024/01/GeminiProAPI-1024x474.png)
利用規約が表示されるので、チェックを入れて「Continue」クリックします。
![](https://biztechdx.com/wp-content/uploads/2024/01/GoogleAI.png)
次に左側のメニューの「Get API Key」をクリックして、「Create API key in new project」をクリックしてください。
![](https://biztechdx.com/wp-content/uploads/2024/01/GetAPIKey-1024x232.png)
APIキーが発行されます。
![](https://biztechdx.com/wp-content/uploads/2024/01/GeminiproAPIKey.png)
※API Keyは厳重に保管してください。
Gemini Pro APIの動作確認
では実際にPythonを使って動作確認していきます。
最初に関係するライブラリをインポートします。
pip install google-generativeai
今回は日本の総理大臣を聞いてみました。
プログラミングコード
# APIキーを取得する
API_KEY = "API-Key"
# google-generativeaiモジュールをインポートし、APIキーを設定する
import google.generativeai as genai
genai.configure(api_key=API_KEY)
# 生成モデルを選択し、インスタンスを作成する
model = genai.GenerativeModel(model_name='gemini-pro')
# チャットを開始し、メッセージを送信する
chat = model.start_chat()
response = chat.send_message("日本の総理大臣は?")
# レスポンスを表示する
print(response.text)
実行結果
![](https://biztechdx.com/wp-content/uploads/2024/01/日本の総理大臣.png)
実行結果書き起こし
岸田文雄(きしだ ふみお): 2021年10月就任
2024年1月時点で正しい情報を提供してくれました。
次にGeminiProのマルチモーダル機能を試してみました。
料理の画像の情報を聞いてみました。
読み込む画像
![](https://biztechdx.com/wp-content/uploads/2024/01/testimage-1024x682.jpg)
プログラミングコード
import google.generativeai as genai
import PIL.Image
# APIキーを設定
API_KEY = "API-Key"
genai.configure(api_key=API_KEY)
# モデルを選択
model = genai.GenerativeModel('gemini-pro-vision')
# 画像を読み込む
image_path = PIL.Image.open('testimage.jpg')
# プロンプトと画像を使用してコンテンツを生成
prompt = "画像の料理について教えて下さい。"
response = model.generate_content([prompt,image_path], stream=True)
response.resolve()
# レスポンスを表示
print(response.text)
実行結果
![](https://biztechdx.com/wp-content/uploads/2024/01/Geminpro-v.png)
実行結果書き起こし
サラダの上に、茹でたエビが乗っています。ドレッシングはマヨネーズベースで、ディルが入っています。
サラダとして認識しただけでなく、具材などの詳細も教えてくれました。
あとがき
今回の記事ではGemini Pro APIの利用方法を解説しました。
2024年1月現在、無料で利用可能ですので色々試してみたいと思います。