Коротко
- Изображения можно передать в Gemini API по URL, как встроенные данные или через Files API.
- Общий размер запроса со встроенными данными изображения ограничен 20 МБ.
- Для больших файлов или изображений, которые будут использоваться повторно, рекомендуется Files API.
- Чёткие и конкретные инструкции помогают задать формат и содержание ответа.
Что вы узнаете из этого руководства?
Можно передать модели архитектурную фотографию или рендер и попросить описать различимые на изображении элементы, классифицировать видимые объекты или задать конкретные вопросы для оценки дизайна. В этом руководстве шаг за шагом разбирается, как передать модели отдельное изображение через Gemini API и составить промпты для архитектуры, дизайна интерьеров и визуализации.
Документация Gemini охватывает мультимодальные задачи, такие как описание изображений, классификация и визуальные вопросы и ответы. Приведённые ниже архитектурные примеры — это варианты промптов, составленные на основе таких задач; источники не гарантируют точность каждого из перечисленных здесь частных сценариев или его пригодность для определённого рабочего процесса. Ответ модели не заменяет проектную документацию или техническую проверку. Его следует рассматривать как отправную точку для систематизации информации об изображении и поддержки внутреннего обсуждения в команде.
Требования и подготовка изображения
В примерах используется модель gemini-3.8-flash в Gemini API. Примеры кода в исходной документации показывают, как создавать запросы с помощью Python, JavaScript, Java, Go и REST, однако конкретная версия SDK здесь не указана. В примере REST API-ключ передаётся через переменную GEMINI_API_KEY. Дополнительно проверьте сведения об установке и доступе для используемой среды разработки.
Сначала выберите одно изображение для анализа: это может быть рендер интерьера, изображение фасада, фотография ситуационного плана или образцов материалов. Чётко укажите в промпте, что именно должна сделать модель. Например, попросите перечислить только видимые объекты, сосредоточиться на определённой визуальной характеристике или отметить неоднозначные моменты.
Передать изображение в API можно тремя способами: по доступному адресу, как встроенные (закодированные в base64) данные изображения или через Files API. При использовании встроенных данных общий размер запроса, включая текстовые промпты и другой контент, не должен превышать 20 МБ. Для больших файлов или изображений, которые будут использоваться в нескольких запросах, рекомендуется Files API.
Пошагово: пять промптов для анализа изображений
1. Нейтрально перечислите то, что видно на рендере. Отправьте изображение в API вместе с текстом и добавьте приведённый ниже промпт. При первичном просмотре полезнее сосредоточиться на наблюдаемых объектах, а не на интерпретации: так результат будет более структурированным для последующей оценки.
Bu mimari görselini incele. Yalnızca görüntüde seçilebilen öğeleri belirt: mekân türü, ana yüzeyler, mobilyalar, aydınlatma ve bitkiler. Bilgi görüntüden anlaşılamıyorsa bunu açıkça söyle. Yanıtı kısa, başlıklı maddeler hâlinde ver.Этот промпт запрашивает описание, ограниченное наблюдаемыми элементами. При необходимости сузьте перечень категорий с учётом содержания проектного изображения; не просите модель дополнять сведения, которых на изображении нет.
2. Сосредоточьтесь на одном критерии дизайна. Визуальные вопросы и ответы могут быть более целевым инструментом, чем просьба дать общее описание. Ограничьте вопрос решением в дизайне, которое нужно оценить, и не просите модель выводить информацию, отсутствующую на изображении.
Bu iç mekân görselinde gün ışığının hangi bölgelere ulaştığını tarif et. Sadece görüntüde görülebilen ışık ve gölge dağılımına dayan. Pencere yönü veya günün saati görüntüden kesin olarak anlaşılamıyorsa tahmin yürütme; belirsizliği belirt.Этот пример сосредоточен на одном аспекте, который можно оценить по изображению, — распределении света и теней. В нём также прямо указано не делать предположений о направлении окон или времени суток, если изображение этого не позволяет установить.
3. Классифицируйте различимые на изображении поверхности. Документация Gemini охватывает задачи классификации. Задайте категории и формат результата прямо в промпте. Цель этого примера — сгруппировать наблюдаемые на изображении поверхности, а не проверить соответствие техническим стандартам.
Görselde seçilebilen yüzeyleri şu gruplara ayır: duvar, zemin, tavan ve sabit mobilya. Her grupta görülen yüzeyin rengini ve dokusunu yalnızca görseldeki izlenime göre tarif et. Malzeme türünü kesin olarak belirleyemiyorsan olası malzeme adı verme; “görselden belirlenemiyor” yaz.Предварительно заданные категории могут упростить проверку результатов. Однако по изображению не всегда можно точно определить тип материала; указание на эту неопределённость в промпте помогает обозначить границы ответа.
4. Попросите описать взаимное расположение элементов на изображении. В источнике не показано сравнение нескольких изображений в одном запросе. Поэтому следующий пример посвящён отношениям между объектами, видимым на одном изображении.
Bu iç mekân görselinde mobilyaların ve dolaşım alanlarının kadraj içinde nasıl konumlandığını tarif et. Yalnızca görüntüde seçilebilen ilişkilere dayan; ölçü, geçiş genişliği veya planda görünmeyen başka bilgiler üretme. Emin olmadığın noktaları ayrıca belirt.Этот промпт не просит модель делать выводы о плане или размерах, а предлагает словами описать только видимые в кадре взаимосвязи. Рассматривайте такое описание как заметку о наблюдениях по изображению, а не как проектное решение.
5. Подготовьте краткое описание изображения. Если для презентационного планшета, архива изображений или внутреннего обмена нужна короткая подпись, задайте ограничение по длине и формату вместо запроса на подробный анализ. Перед использованием сверьте ответ с изображением.
Bu mimari render için Türkçe, en fazla iki cümlelik tarafsız bir görsel açıklaması yaz. Mekânın kullanımını, kadrajda öne çıkan tasarım öğelerini ve görünen ışık koşullarını aktar. Görselde doğrulanamayan proje bilgisi, konum veya tasarımcı adı ekleme.Этот промпт задаёт формат краткого и нейтрального описания. Просьба не добавлять сведения о проекте, которые нельзя проверить по изображению, также поможет избежать случайного использования текста в качестве паспортных данных проекта.
Типичные ошибки и этапы проверки
Инструкция с неясными рамками, например «Проанализируй это изображение», оставляет модели выбор того, что изучать и как структурировать ответ. Чётко задайте задачу, критерии наблюдения и формат результата. Краткий список или конкретные заголовки могут упростить проверку ответа.
Просьба представить как достоверные сведения, не видимые на изображении, также может привести к вводящим в заблуждение результатам. Рендер не всегда показывает конструктивные детали или названия конкретных материалов. Добавьте в промпт ограничение вроде «если по изображению определить нельзя — укажи это» и сверяйте важные наблюдения с исходным изображением. Не используйте ответ модели вместо проектной документации, технической спецификации или осмотра на месте.
Выбирайте способ передачи с учётом размера файла и необходимости повторного использования. Для общего размера запроса со встроенными данными изображения установлен лимит 20 МБ. Для больших файлов или при необходимости использовать изображение повторно рассмотрите Files API. Проверьте, что промпт отправляется вместе с изображением, а указанный MIME-тип соответствует ему; в примерах источника тип содержимого изображения также передаётся в запросе.
Не считайте первый ответ окончательным: доработайте промпт. Можно сузить рамки задачи, уточнить формат результата или указать, как обозначать неопределённость. Составление промптов — итеративный процесс; рекомендуется оценивать результаты разных попыток с учётом цели использования.
Место в рабочем процессе архитектуры и визуализации
Этот подход может быть полезен командам, которым нужно описывать рендеры, классифицировать элементы на отдельных изображениях или систематизировать наблюдения перед обсуждением дизайна. Студенты также могут подготовить черновики описаний для презентационных изображений и проверить, ограничиваются ли они тем, что действительно видно.
Однако в исходной документации нет сведений о прямой интеграции с архитектурным ПО, требованиях к локальному оборудованию, стоимости API или условиях хранения данных проекта. Поэтому до внедрения в рабочий процесс отдельно изучите стоимость и условия доступа к API, политику офиса и правила обмена изображениями. Перед отправкой изображений, содержащих конфиденциальные сведения о заказчике или проекте, проверьте внутренние разрешения.
Следующие шаги
Начните с теста на одном некритичном изображении. Отдельно попробуйте промпты для описания, классификации и вопросов и ответов на одном и том же изображении, а затем оцените, какой формат ответа подходит команде. Для повторяющихся анализов можно рассмотреть Files API, а для разовых небольших запросов — подходящий способ передачи.
Если ответы непоследовательны, сделайте промпт конкретнее: укажите, какие элементы нужно изучить, где проходят границы наблюдения и в каком формате нужен результат. Сверяйте ответы с самим изображением и не считайте данными проекта то, чего модель не видит или что изображение не подтверждает.
Источник и лицензия
Это руководство адаптировано на турецкий язык на основе документации Google по пониманию изображений и проектированию промптов в Gemini API. Оба источника распространяются по лицензии CC BY 4.0. Примеры промптов для архитектурных изображений подготовлены специально для этого руководства.
Источники
Источников: 2Тексты источников не перепечатываются; короткие цитаты отмечены, остальное — наш пересказ и комментарий.
Для архитектурных бюро и команд визуализации самым практичным применением может быть описание отдельных изображений и приведение наблюдений к единому формату при обсуждении дизайна. Такой подход может помочь при подготовке презентаций, но ответ модели не заменяет проверку проекта или техническое решение.
Бюро в Турции перед тестированием важно проверить стоимость доступа к API, правила обмена изображениями и условия использования данных клиентов. Источники не раскрывают сведения о цене, требованиях к оборудованию и хранении данных. Поэтому разумно не начинать с конфиденциальных изображений и сверять результаты с оригиналом.
Частые вопросы
Как отправить архитектурное изображение в Gemini API?
Изображение можно передать по доступному адресу, как встроенные закодированные данные или через Files API. Для больших файлов и изображений, которые будут использоваться повторно, рекомендуется Files API.
Каков лимит размера встроенных данных изображения в Gemini API?
Общий размер запроса, включая текстовые промпты и другой контент, не должен превышать 20 МБ. Для более крупных запросов можно использовать Files API.
Для каких задач с архитектурными рендерами можно использовать Gemini?
Документация Gemini охватывает описание изображений, классификацию и визуальные вопросы и ответы. Ответы следует сверять с тем, что действительно видно на изображении.
