😸
（Go）Google Gemini APIを試す

2024/09/25に公開
画像認識
Gemini
tech
 はじめにGo言語でGoogle Gemini APIを試したのでメモします。
まずはGoogle公式のGo SDK for Google Generative AIリポジトリのREADMEを確認しましょう。APIキーの取得方法から実装例まで詳しく説明されています。
https://github.com/google/generative-ai-go
ドキュメントも整備されています。以下のURLでアクセスできます。
https://ai.google.dev/gemini-api/docs?hl=ja
記事投稿時点でGemini APIは無料で利用できます。Rate / Limit制限がやや厳しいですが、個人で遊ぶ程度なら十分かと思います。

 試す例として、画像の内容をGemini君に説明してもらいましょう。以下、実装例を示します。
ここで利用するモデルはgemini-1.5-flashです。利用可能なモデル一覧はドキュメントに記載されています。
package main

import (
	"context"
	"fmt"
	"log"
	"os"

	"github.com/google/generative-ai-go/genai"
	"google.golang.org/api/option"
)

func main() {
	if len(os.Args) < 2 {
		return
	}

	ctx := context.Background()
	fileName := os.Args[1]

	if err := request(ctx, fileName); err != nil {
		log.Fatal(err)
	}
}

func request(ctx context.Context, fileName string) error {
	client, err := genai.NewClient(ctx, option.WithAPIKey(os.Getenv("GEMINI_API_KEY")))

	if err != nil {
		return err
	}

	defer client.Close()

	file, err := client.UploadFileFromPath(ctx, fileName, nil)

	if err != nil {
		return err
	}

	defer client.DeleteFile(ctx, file.Name)

	model := client.GenerativeModel("gemini-1.5-flash")

	resp, err := model.GenerateContent(
		ctx,
		genai.FileData{URI: file.URI},
		genai.Text("この写真の内容を80文字程度で説明してください。"),
	)

	if err != nil {
		return err
	}

	printResponse(resp)

	return nil
}

func printResponse(resp *genai.GenerateContentResponse) {
	for _, cand := range resp.Candidates {
		if cand.Content == nil {
			continue
		}
		for _, part := range cand.Content.Parts {
			fmt.Println(part)
		}
	}
}

 結果それでは、適当に撮影した写真を渡してみましょう。結果はいかに？
# APIキーを設定
$ export GEMINI_API_KEY='xxxxxxxx'

# Gemini君に尋ねる
$ go run main.go garage.jpg
青空の下、倉庫のような建物が並んでいます。屋根の上には数字が書かれたプレートが見えます。建物はシャッターで閉められており、周囲には木々が生い茂っています。
いい漢字です！写真は自宅の前で撮影したものなので掲載はしませんが、誰が見ても文句のない回答かと思います。
なお、garage.jpgのサイズは横640  px・縦480 pxです。ファイル容量は約140 KBです。

 （補足）回答にかかる時間と内容について今回はシンプルなプロンプトを指定したため、同じリクエストに対して毎回少し異なるレスポンスが返されます。
参考までに何度か実行した結果を示します。レスポンスは5、6秒ほどで返されますが、10秒ほどまたされることもあります。
$ time go run main.go garage.jpg 
青空の下、倉庫のような建物が並んでいます。建物の屋根は波板でできていて、シャッターが閉まっています。建物には番号が振られています。

real	0m5.052s
user	0m0.537s
sys	0m0.349s

$ time go run main.go garage.jpg
ガレージのような建物が並んでいます。屋根の上には番号が振ってあり、1から2まで確認できます。空は青く、雲がいくつか見えます。

real	0m5.033s
user	0m0.540s
sys	0m0.403s

$ time go run main.go garage.jpg
ガレージのような建物の前に並んだシャッターが閉まっている。上は青空で雲が広がっている。屋根の上には電線が通っている。

real	0m5.760s
user	0m0.546s
sys	0m0.373s

$ time go run main.go garage.jpg
青空の下、鉄製のシャッターが閉まっている複数の車庫があります。 車庫の上には瓦屋根の建物がいくつか並んでおり、手前にはレンガでできた塀があります。

real	0m5.408s
user	0m0.535s
sys	0m0.346s

$ time go run main.go garage.jpg
青空に白い雲が広がり、建物が立ち並ぶ街並みが写っている。手前にシャッター付きの倉庫が並んでいる。倉庫は番号が振られていて、屋根は赤茶色とグレーの2色に分かれている。

real	0m7.803s
user	0m0.526s
sys	0m0.422s

 おわりに記事を書いている最中に新しいモデルが発表されたようです。詳細を把握できていませんが、モデル名の末尾が-002が新しいモデルのようです。今後も性能向上しつつ料金がお安くなりそうで、楽しみです。
はじめに

試す

結果

（補足）回答にかかる時間と内容について

おわりに

Discussion
