图片说明

imagetext 是支持图片说明的模型的名称。 imagetext 可以根据您指定的语言对您提供的图片生成图片说明。该模型支持以下语言：英语 (en)、德语 (de)、法语 (fr)、西班牙语 (es) 和意大利语 (it)。

如需在控制台中浏览此模型，请参阅模型库中的 Image Captioning 模型卡片。

查看 Imagen for Captioning & VQA 模型卡片

使用场景

图片说明的一些常见应用场景包括：

  • 创建者可为上传的图片和视频生成图片说明（例如，视频序列的简短说明）
  • 生成图片说明以描述产品
  • 使用 API 将图片说明与应用集成，打造新体验

HTTP 请求

POST https://us-central1-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/us-central1/publishers/google/models/imagetext:predict

请求正文

{
  "instances": [
    {
      "image": {
        // Union field can be only one of the following:
        "bytesBase64Encoded": string,
        "gcsUri": string,
        // End of list of possible types for union field.
        "mimeType": string
      }
    }
  ],
  "parameters": {
    "sampleCount": integer,
    "storageUri": string,
    "language": string,
    "seed": integer
  }
}

对 Imagen 模型 imagetext 使用以下参数。如需了解详情，请参阅使用视觉图片说明获取图片说明。

参数 说明 可接受的值
instances 一个数组，包含要获取其相关信息的对象以及图片详细信息。 数组（允许 1 个图片对象）
bytesBase64Encoded 要显示说明的图片。 采用 Base64 编码的图片字符串（PNG 或 JPEG，最大 20 MB）
gcsUri 要显示说明的图片的 Cloud Storage URI。 Cloud Storage 中图片文件的字符串 URI（PNG 或 JPEG，最大 20 MB）
mimeType 可选。您指定的图片的 MIME 类型。 字符串（image/jpeg 或 image/png）
sampleCount 生成的文本字符串数。 整数值：1-3
seed 可选。随机数生成器 (RNG) 的种子。如果包含输入的请求的 RNG 种子相同，则预测结果将相同。 整数
storageUri 可选。用于保存生成的文本响应的 Cloud Storage 位置。 字符串
language 可选。引导响应的文本提示。 字符串：en（默认）、de、fr、it、es

示例请求

REST

如需使用 Vertex AI API 测试文本提示，请向发布方模型端点发送 POST 请求。

在使用任何请求数据之前，请先进行以下替换：

  • PROJECT_ID：您的 Google Cloud 项目 ID。
  • LOCATION：您的项目的区域。例如 us-central1、europe-west2 或 asia-northeast3。如需查看可用区域的列表，请参阅 Vertex AI 上的生成式 AI 位置。
  • B64_IMAGE：要获取其说明的图片。图片必须指定为 base64 编码的字节字符串。大小上限：10 MB。
  • RESPONSE_COUNT：您要生成的图片说明数量。接受的整数值：1-3。
  • LANGUAGE_CODE：支持的语言代码之一。支持的语言：
    • 英语 (en)
    • 法语 (fr)
    • 德语 (de)
    • 意大利语 (it)
    • 西班牙语 (es)

HTTP 方法和网址：

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/imagetext:predict

请求 JSON 正文： 

{
  "instances": [
    {
      "image": {
          "bytesBase64Encoded": "B64_IMAGE"
      }
    }
  ],
  "parameters": {
    "sampleCount": RESPONSE_COUNT,
    "language": "LANGUAGE_CODE"
  }
}

如需发送请求，请选择以下方式之一：

curl

将请求正文保存在名为 request.json 的文件中，然后执行以下命令： 

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/imagetext:predict"

PowerShell

将请求正文保存在名为 request.json 的文件中，然后执行以下命令： 

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/imagetext:predict" | Select-Object -Expand Content
以下示例响应适用于包含 "sampleCount": 2 的请求。该响应会返回两个预测字符串。

英语 (en)：

{
  "predictions": [
    "a yellow mug with a sheep on it sits next to a slice of cake",
    "a cup of coffee with a heart shaped latte art next to a slice of cake"
  ],
  "deployedModelId": "DEPLOYED_MODEL_ID",
  "model": "projects/PROJECT_ID/locations/LOCATION/models/MODEL_ID",
  "modelDisplayName": "MODEL_DISPLAYNAME",
  "modelVersionId": "1"
}

西班牙语 (es)：

{
  "predictions": [
    "una taza de café junto a un plato de pastel de chocolate",
    "una taza de café con una forma de corazón en la espuma"
  ]
}

响应正文

{
  "predictions": [ string ]
}
响应元素 说明
predictions 表示图片说明的文本字符串列表，按置信度排序。

示例响应

{
  "predictions": [
    "text1",
    "text2"
  ]
}