Коротко
- Изображения можно передавать в Gemini API по URL, как встроенные данные или через Files API.
- В примерах кода из документации Google указано имя модели gemini-3.8-flash.
- Для встроенных данных общий размер запроса, включая текст, инструкции и данные изображения, ограничен 20 MB.
- Для больших файлов и изображений, которые будут использоваться повторно, рекомендуется Files API.
Чему вы научитесь в этом руководстве?
Вы можете передать Gemini API архитектурный рендер, фотографию интерьера или образец материала и попросить описать изображение либо ответить на конкретные вопросы. В документации Google по анализу изображений перечислены такие сценарии, как описание, классификация и визуальные вопросы и ответы. Также отмечается, что в некоторых сценариях точность обнаружения объектов и сегментации повышается благодаря дополнительному обучению. Это не означает, что одинаковая точность гарантирована для любого изображения или архитектурной задачи.
В этом руководстве шаг за шагом разберём, как передать изображение в API, сформулировать вопрос с чёткими рамками и использовать ответ при оценке проекта. Примеры промптов подготовлены нами специально для архитектуры и интерьеров; это не примеры, скопированные из исходной документации.
Требования и выбор изображения
В руководстве Google по Gemini API есть примеры для Python, JavaScript, Java, Go и REST. Описанный ниже процесс основан на передаче изображения в API вместе с текстовой инструкцией. В примерах кода используется имя модели gemini-3.8-flash. В верхней части документации также указано, что доступна Gemini 4 Argon, однако в представленных здесь примерах передачи изображений используется gemini-3.8-flash. Поэтому перед сменой имени модели проверьте актуальную документацию API для используемой модели.
Передать изображение можно одним из трёх способов: по URL, как встроенные данные или через Files API. Метод с URL предназначен для общедоступных изображений. При передаче встроенных данных изображение отправляется в формате base64; общий размер запроса не должен превышать 20 MB с учётом текстовых промптов, системных инструкций и данных изображения. Для файлов большего размера или случаев, когда одно изображение нужно использовать в нескольких запросах, рекомендуется Files API. В примерах запросов также указывается MIME-тип изображения.
Подготовьте изображение, которое можно использовать в презентации проекта и которое вы хотите проанализировать. Если на изображении есть важные для проверки элементы — например, размеры, материалы или характеристики пространства, — не просите модель выдавать их как точные данные. Интерпретации, сделанные по изображению, дополнительно сверяйте с проектными чертежами и исходными документами.
Анализ архитектурного изображения шаг за шагом
1. Выберите способ передачи изображения
Для небольшого изображения и разовой проверки можно использовать встроенные данные. Если изображение понадобится повторно или файл большой, выберите процесс с Files API. В примерах Google сначала загружается файл, а затем полученные URI и MIME-тип добавляются в запрос вместе с текстовым вводом. Способ обращения к API зависит от используемого языка; в источнике есть примеры для Python, JavaScript, Java, Go и REST.
2. Запросите общее описание
В первом запросе попросите модель дать краткое описание всего рендера, основанное на наблюдаемых деталях. В этом примере заранее задаются рамки и формат ответа.
Bu mimari görseli yalnızca görüntüde seçilebilen unsurlara dayanarak açıkla. Mekânın türünü, görünen ana malzemeleri, aydınlatma karakterini ve kadrajda dikkat çeken öğeleri kısa bir listede belirt. Görselden çıkarılamayan bilgileri tahmin etme; belirsiz noktaları ayrıca yaz.Формулировки «только на основе того, что видно на изображении» и «отдельно укажи неясные моменты» помогают сделать ответ более наблюдательным и предметным. В руководстве Google по промптам рекомендуется давать ясные и конкретные инструкции; формат ответа также можно описать непосредственно в промпте.
3. Сосредоточьтесь на конкретном элементе пространства
После общего описания выберите одну тему. Например, задайте отдельные вопросы о внешнем виде материалов, освещении или кадрировании. Если не просить оценивать сразу много разных аспектов в одном промпте, будет проще понять, какой ответ относится к какому вопросу.
Görselde görülebilen yüzeyleri ayrı ayrı listele. Her yüzey için yalnızca görünen renk, doku ve parlaklık özelliklerini yaz. Malzemenin gerçek ürün adını veya üreticisini görüntüden belirleyemiyorsan bunu açıkça belirt.Этот промпт не предлагает выдумывать название продукта, а запрашивает только видимые характеристики поверхностей. Ответ модели может подсказать направление для дизайнерского решения, но не заменяет сведения о поставщике материала.
4. Уточните анализ с помощью визуальных вопросов и ответов
Задавая вопрос об определённой области, описывайте её расположение по видимым ориентирам на изображении. Также укажите, каким должен быть ответ: кратким или в виде списка. Модели Gemini можно использовать для визуальных вопросов и ответов, однако не стоит ожидать, что они смогут достоверно определить детали, неразличимые на изображении.
Görselin sağ tarafındaki oturma alanında görülebilen öğeleri sırala. Her öğeyi tek bir kısa maddeyle açıkla. Görüntüden güvenilir biçimde seçilemeyen ayrıntıları tahmin etme.Измените описание расположения с учётом своего изображения. Если модель неверно определила положение какого-либо элемента, задайте вопрос о более узкой области и повторно проверьте ответ.
5. Задайте формат вывода
Если вы хотите сравнивать заметки команды, явно перечислите нужные поля в промпте. В руководстве Google по стратегиям составления промптов рассказывается, как направлять поведение модели с помощью формата ответа, ограничений и примеров. Это не заменяет функцию структурированного вывода API, когда требуется сложная и строго заданная схема.
Bu iç mekân görseli için şu başlıkları kullan: Mekânın genel izlenimi, görünen yüzeyler, aydınlatma, kadrajda dikkat çeken unsurlar ve belirsiz kalan noktalar. Her başlığın altında en fazla iki kısa madde yaz. Görselde bulunmayan bilgileri ekleme.Перед тем как добавлять ответ в проектные заметки, сверьте каждый пункт с изображением. Если нужные заголовки отсутствуют или ответ получился слишком общим, добавьте в промпт пример или более чёткое ограничение и попробуйте снова. В документации Google отдельно подчёркивается, что разработка промптов — итеративный процесс.
Частые ошибки
Слишком много задач в одном промпте: если объединить описание изображения, критику дизайна, определение материалов и рекомендации по реализации в одном запросе, его цель станет неясной. Разделяйте задачи и сосредотачивайтесь на одной цели в каждом запросе.
Считать точными данные, которые нельзя получить из изображения: не пытайтесь определить по одному рендеру конкретный продукт для поверхности или невидимые пространственные характеристики. Отмечайте неясные места в ответе и сверяйте их с технической документацией.
Не учитывать способ передачи файла: при использовании встроенных данных общий размер запроса ограничен 20 MB. Для больших или повторно используемых изображений в документации рекомендуется Files API.
Не задавать формат ответа: если формат не указан, модель может ответить с разной степенью подробности и в разной форме. Заранее задайте заголовки, количество пунктов и рамки ответа.
Дальнейшие шаги: адаптация для офиса и учебного процесса
Проведите первые тесты на разных типах архитектурных изображений и сравните, какие формулировки промптов дают стабильные и удобные для проверки заметки. Google отмечает, что разработка промптов требует экспериментов и доработки, поэтому не стоит считать, что один шаблон будет одинаково работать в каждом проекте. При использовании в команде полезно записывать в рабочие заметки способ передачи изображения и имя использованной модели — это упростит сравнение результатов.
Такой подход может быть полезен архитектурным бюро, интерьерным дизайнерам и студентам, которым нужно получить предварительные описания изображений и составить план анализа. Однако сгенерированный текст не является источником данных для чертежей, измерений или проверки материалов. Сверяйте интерпретацию изображения с проектной документацией, а неясные или оставшиеся без ответа моменты проверяйте отдельно, прежде чем принимать дизайнерское решение.
Источник и лицензия
Это руководство основано на технических процессах из документации Google AI for Developers «Image understanding» и «Prompt design strategies» для Gemini API. Оба источника распространяются по лицензии CC BY 4.0; материал адаптирован на турецкий язык и дополнен новыми примерами промптов для анализа архитектурных изображений.
Источники
Источников: 2Тексты источников не перепечатываются; короткие цитаты отмечены, остальное — наш пересказ и комментарий.
Для архитектурных бюро и студентов самое практичное применение Gemini API — быстро получить описание изображения и отправную точку для заметок по анализу. Узкие вопросы о материалах, пространстве и освещении могут помочь проверить изображение перед презентацией, однако ответы не следует считать техническим подтверждением.
Командам в Турции перед внедрением процесса стоит отдельно оценить стоимость использования API и условия доступа; в указанных источниках нет информации о ценах. На выбор способа передачи также влияют размер изображения и то, планируется ли использовать файл повторно. Особенно важно сверять результаты модели с чертежами и документацией, если речь идёт о проектных решениях, размерах или выборе продукта.
Частые вопросы
Как загрузить архитектурное изображение в Gemini API?
Изображение можно передать по URL, как встроенные данные в формате base64 или через Files API. Для больших файлов и изображений, которые будут использоваться повторно, рекомендуется Files API.
Каково ограничение размера для встроенных данных изображения в Gemini API?
Общий размер запроса, включая текстовые промпты, системные инструкции и встроенные данные изображения, ограничен 20 MB.
Может ли Gemini API анализировать архитектурные рендеры?
Модели Gemini можно использовать для описания и классификации изображений, а также для визуальных вопросов и ответов. Техническую информацию, которую нельзя достоверно получить из изображения, необходимо проверять отдельно.
