Скачать gemini vision pro - gemini vision pro Скачать исходный код

gemini vision pro

Другой исходный код

1.0.0

Скачать

Описание: Это потрясающий Google Gemini Vision Pro?, мощный инструмент, который сканирует изображения, генерирует описания с помощью Gemini AI Pro Vision API и обеспечивает речевую обратную связь. Он также захватывает изображения с помощью веб-камеры.

? Введение ?

Google Gemini Vision Pro — универсальное приложение, сочетающее в себе обработку изображений, распознавание речи и преобразование текста в речь. С помощью этого приложения вы можете захватывать изображения с помощью веб-камеры, преобразовывать произнесенные слова в текст, создавать описания изображений и даже проговаривать эти описания вам в ответ.

Руководство по установке

Шаг 1. Клонируйте репозиторий.

git clone https://github.com/haseeb-heaven/Gemini-Vision-Pro
cd Gemini-Vision-Pro

Шаг 2. Установите зависимости

pip install -r requirements.txt

Шаг 3. Запустите приложение.

streamlit run script.py

Шаг 4. Получите ключ Google Palm API и настройте приложение.

Получите ключ API Google Palm.
Посетите следующий URL: Google AI Studio.
Нажмите кнопку «Создать ключ API» .
Сгенерированный ключ является вашим ключом API. Обязательно скопируйте его и вставьте в настройки приложения .
Ключ API имеет решающее значение для функционирования. Пожалуйста, сохраните его в безопасности и не передавайте его никому .

Настройки ИИ Близнецов:

Разделы ИИ

Основные разделы этого проекта, посвященные искусственному интеллекту, включают в себя:

? Обнаружение веб-камеры с использованием WebRTC, OpenCV и PIL
Преобразование речи в текст с помощью Google Cloud Speech-to-Text API
?️ Преобразование текста в речь с помощью Google Cloud Text-to-Speech API.
? Обработка изображений с использованием API Gemini AI Pro Vision

Функции

? Обнаружение веб-камеры с захватом изображений в реальном времени
Преобразование речи в текст произнесенных слов
?️ Преобразование текста в речь для создания устных описаний
? Обработка изображений с использованием искусственного интеллекта для предоставления подробных описаний
Ведение журнала с использованием модуля журналирования Python
Обработка ошибок с помощью обработки исключений Python

WebUI — демонстрация приложений

Демо на YouTube:

Веб-камера с прямой трансляцией:

Демонстрация Gemini Ai Vision с объектом в качестве Кэпа:

Демонстрация Gemini Ai Vision с Hand:

Демонстрация Gemini Ai Vision с жестами:

Используемые пакеты

Этот проект опирается на различные пакеты Python, в том числе:

Streamlit — платформа веб-приложений, используемая для создания приложения.
Streamlit Webrtc — используется для захвата изображений с веб-камеры.
OpenCV — используется для захвата изображений с веб-камеры.
PIL (Pillow) — используется для обработки и преобразования изображений.
gTTS (Google Text-to-Speech) — преобразует текст в речь.
SpeechRecognition — преобразует речь в текст.
google.cloud.speech — часть облачных сервисов Google для преобразования речи в текст.