用途:调用 Gemini Pro 的视觉能力对图片进行分析,适用于图像分析、从截图提取文字以及理解视觉内容。
主要能力:支持通用图像描述、截图 OCR 文字提取、从截图提取代码、UI 界面分析、错误截图分析、图表/示意图解读;也可用于前后对比、设计反馈、图表数据提取、表单分析,以及把截图整理为缺陷报告或把 UI 设计转为 React 组件代码等场景。支持的图像类型包括 PNG、JPEG、GIF、WebP,覆盖截图、照片、图表、UI 稿、代码片段和文档。
使用方式:先安装依赖并配置密钥:pip install google-generativeai,export GEMINI_API_KEY=your_api_key。命令行通过 gemini -m pro -f 图片路径 "问题或指令" 调用;可传多张图片,例如 gemini -m pro -f image1.png -f image2.png "Compare these two images"。提问越具体效果越好,例如要求提取代码并保持正确缩进。
使用建议:图像清晰度越高分析越准;可先裁剪到相关区域;提供上下文说明需求;OCR 提取结果需人工核对。
限制:资料未提供费用、价格、额度、响应速度、支持语言范围或准确率保证;超过 8000 字的说明中未提及的能力、平台与效果均暂未提供。