1. 概览
在本实验中，您将探索以下任务：
- 1️⃣ 使用 Gemini 检测图片中的视觉对象
- 2️⃣ 使用 Nano Banana 提取和恢复视觉对象
- 3️⃣ 使用 Nano Banana 编辑和转换恢复的对象
以下是您将实现的一些目标示例：
学习内容
- 如何使用 Gemini 的空间理解功能执行开放词汇对象检测
- 如何使用自然语言提示提取边界框、字幕和动态标签
- 如何恢复、清理和拉直变形或复古的视觉对象
- 如何为图片编辑撰写命令式和描述性提示
- 如何以创意方式为视觉内容着色，并将其转换为全新的风格
- 如何将视觉内容“电影化”为逼真的真人电影剧照
所需条件
- 熟悉如何在笔记本（在 Colab 或任何其他 Jupyter 环境中）中运行 Python
- 已启用结算功能的 Google Cloud 项目 (Vertex AI) 或 Gemini API 密钥 (Google AI Studio)
ℹ️ 从开始到结束运行此实验的总费用不到 2 美元（生成了 45 张 1K 图像，每张图像包含 1,290 个 token）。
让我们开始吧...
2. 准备工作
如需使用 Gemini API，您有以下两种主要选择：
- 通过 Google Cloud 项目使用 Vertex AI
- 通过 Google AI Studio 使用 Gemini API 密钥
🛠️ 选项 1 - 通过 Vertex AI 使用 Gemini API
要求：
- Google Cloud 项目
- 必须为此项目启用 Vertex AI API
🛠️ 选项 2 - 通过 Google AI Studio 使用 Gemini API
要求：
- Gemini API 密钥
3. 运行笔记本
选择您偏好的工具来打开笔记本：
🧰 工具 A - 在 Colab 中打开笔记本
🧰 工具 B - 在 Colab Enterprise 或 Vertex AI Workbench 中打开笔记本
💡 如果您已配置包含 Colab Enterprise 或 Vertex AI Workbench 实例的 Google Cloud 云项目，则可能更适合使用此方法。
🧰 工具 C - 从 GitHub 获取笔记本并在您自己的环境中运行
⚠️ 您需要从 GitHub 获取笔记本（或克隆代码库），然后在自己的 Jupyter 环境中运行它。
🗺️ 笔记本目录
为方便浏览，请务必展开并使用目录。示例：
🏁 运行笔记本
您已准备就绪。您现在可以按照笔记本中的说明运行代码了。祝您玩得开心！
4. 恭喜！
恭喜您完成此 Codelab！
了解详情
- 完成 Generating Consistent Imagery with Gemini Nano Banana Codelab。
- 如需查看更多实用示例，请参阅 Nano Banana 食谱笔记本。
- 您可以在 Vertex AI 提示库中探索更多应用场景。
- 请关注 Vertex AI 版本说明，及时了解最新动态。