Google Gemini API का परिचय: नए Gemini AI मॉडलों की शक्ति जानें

Google Bard को ChatGPT से बढ़ती प्रतिस्पर्धा का सामना करना पड़ा है, लेकिन अपने नवीनतम Gemini AI मॉडलों की रिलीज के साथ, वे बाजार में अपनी स्थिति दोबारा मजबूत करने की उम्मीद कर रहे हैं। उपयोगकर्ता अनुभव बेहतर बनाने के लिए, Google ने हाल ही में Bard AI सहायता को Gemini Pro मॉडलों के साथ नया रूप दिया है, जिससे उन उपयोगकर्ताओं के लिए यह अधिक सुलभ हो गया है जो पाठ और छवियाँ दोनों इनपुट देकर सटीक और स्वाभाविक उत्तर पाना चाहते हैं।

इस ट्यूटोरियल में, हम Google Gemini API को एक्सप्लोर करेंगे, जो आपको उन्नत AI-आधारित एप्लिकेशन बनाने देता है। इसकी शक्तिशाली क्षमताओं का उपयोग करके, आप आसानी से पाठ और छवि दोनों इनपुट शामिल कर सकते हैं ताकि सटीक और संदर्भानुकूल आउटपुट उत्पन्न हो सकें। Gemini Python API आपके मौजूदा प्रोजेक्ट्स में एकीकरण को सरल बनाता है, जिससे अत्याधुनिक कृत्रिम बुद्धिमत्ता सुविधाओं का निर्बाध कार्यान्वयन संभव होता है।

Gemini AI क्या है?

Gemini AI एक अत्याधुनिक कृत्रिम बुद्धिमत्ता (AI) मॉडल है, जिसे Google के भीतर कई टीमों, जैसे Google Research और Google DeepMind, के संयुक्त प्रयास से बनाया गया है। मल्टीमॉडल बनने के लिए डिज़ाइन किया गया, Gemini AI पाठ, कोड, ऑडियो, छवियाँ और वीडियो सहित कई प्रकार के डेटा को समझ और प्रोसेस कर सकता है।

Google DeepMind की कृत्रिम बुद्धिमत्ता की खोज लंबे समय से मानवता के सामूहिक हित में इसकी क्षमताओं का उपयोग करने की आशा से प्रेरित रही है। इसी के साथ, Gemini AI ने AI मॉडलों की एक नई पीढ़ी बनाने में उल्लेखनीय प्रगति की है, जो इस बात से प्रेरित है कि मनुष्य दुनिया को कैसे देखते और उसके साथ कैसे इंटरैक्ट करते हैं।

अब तक Google द्वारा निर्मित सबसे परिष्कृत और सबसे बड़ा AI मॉडल होने के नाते, Gemini AI को अत्यधिक लचीला और विविध प्रकार की जानकारी संभालने के लिए डिज़ाइन किया गया था। इसकी बहुमुखी प्रतिभा इसे शक्तिशाली डेटा सेंटर सर्वरों से लेकर मोबाइल डिवाइस तक, विभिन्न प्रणालियों पर कुशलतापूर्वक चलने देती है।

यहाँ विशिष्ट उपयोग मामलों के लिए प्रशिक्षित Gemini मॉडलों के तीन संस्करण दिए गए हैं:

1. Gemini Ultra: सबसे उन्नत संस्करण, जो जटिल कार्यों को संभालने में सक्षम है।
2. Gemini Pro: अच्छा प्रदर्शन और स्केलेबिलिटी देने वाला संतुलित विकल्प।
3. Gemini Nano: मोबाइल डिवाइस के लिए अनुकूलित, अधिकतम दक्षता प्रदान करता है।

छवि का स्रोत

इन वेरिएंट्स में, Gemini Ultra ने असाधारण प्रदर्शन दिखाया है, कई मानदंडों पर GPT-4 को पीछे छोड़ते हुए। यह Massive Multitask Language Understanding बेंचमार्क पर मानव विशेषज्ञों से बेहतर प्रदर्शन करने वाला पहला मॉडल है, जो 57 विषय क्षेत्रों में विश्व ज्ञान और समस्या-समाधान क्षमताओं का आकलन करता है। यह उपलब्धि Gemini Ultra की श्रेष्ठ समझ और समस्या-समाधान क्षमताओं को दर्शाती है।

यदि आप कृत्रिम बुद्धिमत्ता में नए हैं, तो AI Fundamentals स्किल ट्रैक देखें। इसमें ChatGPT, बड़े भाषा मॉडल्स, और जनरेटिव AI जैसे लोकप्रिय विषय शामिल हैं।

पर्यावरण सेटअप

API का उपयोग शुरू करने से पहले, हमें Google AI for Developers से API कुंजी प्राप्त करनी होगी।

1. “Get an API key” बटन पर क्लिक करें।

2. इसके बाद, प्रोजेक्ट बनाएं और API कुंजी जनरेट करें।

3. API कुंजी कॉपी करें और अपने सिस्टम में "Gemini_API_KEY" नाम का एक environment variable जोड़ें। Kaggle पर सुरक्षित environment variable बनाने के लिए, "Add-ons" में जाएँ और "Secrets" चुनें। फिर, "Add a new secret" बटन पर क्लिक करके एक लेबल और उसका संबंधित मान जोड़ें, और सेव करें।

4. pip का उपयोग करके Gemini Python API पैकेज इंस्टॉल करें।

%pip install google-generativeaiसंचालित द्वारा

5. API कुंजी जोड़कर Gemini API कॉन्फ़िगर करें। सीक्रेट तक पहुँचने के लिए आपको UserSecretsClient ऑब्जेक्ट बनाना होगा और फिर उसे लेबल देना होगा।

import google.generativeai as genai
from kaggle_secrets import UserSecretsClient

user_secrets = UserSecretsClient()
gemini_key = user_secrets.get_secret("GEMINI_API_KEY")

genai.configure(api_key = gemini_key)संचालित द्वारा

प्रतिक्रिया जनरेट करना

इस खंड में, हम Gemini Pro मॉडल का उपयोग करके प्रतिक्रियाएँ जनरेट करना सीखेंगे। यदि आपको अपने सिस्टम पर कोड चलाने में समस्या आ रही है, तो आप Gemini API Kaggle Notebook फ़ॉलो कर सकते हैं।

अब हम फ्री API के साथ उपलब्ध मॉडल एक्सेस की जाँच करेंगे। ऐसा करने के लिए, नीचे दिया गया कोड चलाएँ। यह list_models फ़ंक्शन का उपयोग करके समर्थित जनरेशन मॉडलों को दिखाएगा।

for m in genai.list_models():
    if 'generateContent' in m.supported_generation_methods:
        print(m.name)संचालित द्वारा

लगता है कि हमारे पास केवल दो मॉडलों, "gemini-pro" और "gemini-pro-vision", तक ही पहुँच है।

models/gemini-pro
models/gemini-pro-visionसंचालित द्वारा

आइए "Gemini Pro" मॉडल तक पहुँचें और एक सरल प्रॉम्प्ट देकर प्रतिक्रिया जनरेट करें।

model = genai.GenerativeModel('gemini-pro')

response = model.generate_content("Please provide a list of the most influential people in the world.")

print(response.text)संचालित द्वारा

सिर्फ कुछ पंक्तियों के कोड से हम एक अत्यंत सटीक प्रतिक्रिया जनरेट करने में सक्षम रहे।

Gemini AI किसी प्रॉम्प्ट के लिए कई प्रतिक्रियाएँ, जिन्हें candidates कहा जाता है, उत्पन्न कर सकता है, जिससे आप सबसे उपयुक्त विकल्प चुन सकते हैं। हालाँकि, API के मुफ़्त संस्करण में केवल एक candidate विकल्प उपलब्ध है।

response.candidatesसंचालित द्वारा

हमारा आउटपुट Markdown प्रारूप में है। IPython Markdown टूल का उपयोग करके इसे ठीक करते हैं। अब हम Gemini से Python कोड जनरेट करने के लिए कहेंगे।

from IPython.display import Markdown

response = model.generate_content("Build a simple Python web application.")

Markdown(response.text)संचालित द्वारा

मॉडल ने बहुत बढ़िया काम किया है। इसने Flask का उपयोग करके एक साधारण वेब एप्लिकेशन बनाने और चलाने का चरण-दर-चरण मार्गदर्शन तैयार किया है।

स्ट्रीमिंग

एप्लिकेशन की प्रतीत होने वाली गति बढ़ाने के लिए स्ट्रीमिंग का उपयोग करना महत्वपूर्ण है। 'stream' आर्ग्युमेंट चालू करने पर, प्रतिक्रिया उपलब्ध होते ही जनरेट और प्रदर्शित हो जाएगी। हमारा आउटपुट हिस्सों (chunks) में जनरेट होगा, इसलिए हमें response पर इटरेट करना होगा।

from IPython.display import display

model = genai.GenerativeModel("gemini-pro")
response = model.generate_content(
    "How can I make authentic Italian pasta?", stream=True
)

for chunk in response:
    display(Markdown(chunk.text))
    display(Markdown("_" * 80))संचालित द्वारा

प्रत्येक chunk एक डैश्ड लाइन से अलग किया गया है। जैसा कि हम नीचे देख सकते हैं, हमारी सामग्री chunks में जनरेट होती है। Gemini API में स्ट्रीमिंग OpenAI और Anthropic API के समान है।

प्रतिक्रिया फाइन-ट्यून करना

हम अपनी आवश्यकताओं के अनुरूप जनरेट की गई प्रतिक्रिया को समायोजित कर सकते हैं।

निम्न उदाहरण में, हम अधिकतम 1000 टोकन और 0.7 तापमान के साथ एक candidate जनरेट कर रहे हैं। अतिरिक्त रूप से, हमने एक स्टॉप सीक्वेंस सेट किया है, ताकि जनरेट किए गए पाठ में "time" शब्द आने पर जनरेशन प्रक्रिया स्वतः रुक जाए।

response = model.generate_content(
    'How to be productive during a burnout stage.',
    generation_config=genai.types.GenerationConfig(
        candidate_count=1,
        stop_sequences=['time'],
        max_output_tokens=1000,
        temperature=0.7)
)

Markdown(response.text)संचालित द्वारा

Gemini Pro Vision आज़माना

इस खंड में, हम Gemini AI की मल्टी-मॉडलिटी एक्सेस करने के लिए Gemini Pro Vision का उपयोग करेंगे।

हम curl टूल का उपयोग करके pexel.com से Mayumi Maciel द्वारा ली गई फ़ोटो डाउनलोड करेंगे।

!curl -o landscape.jpg "https://images.pexels.com/photos/18776367/pexels-photo-18776367/free-photo-of-colorful-houses-line-the-canal-in-burano-italy.jpeg?auto=compress&cs=tinysrgb&w=1260&h=750&dpr=2"संचालित द्वारा

Kaggle Notebook में छवि लोड और देख पाने के लिए, हम Pillow Python पैकेज का उपयोग करेंगे।

import PIL.Image

img = PIL.Image.open('landscape.jpg')
display(img)संचालित द्वारा

इस छवि की सामग्री समझने के लिए, हमें पहले "gemini-pro-vision" मॉडल लोड करना होगा और उसे एक इमेज ऑब्जेक्ट प्रदान करना होगा।

model = genai.GenerativeModel('gemini-pro-vision')

response = model.generate_content(img)

Markdown(response.text)संचालित द्वारा

इसने छवि में स्थान को सटीक रूप से पहचाना है और एक वर्णन भी दिया है।

A beautiful day in Burano, Italy. The colorful houses and the calm water make this a perfect place to relax and enjoy the scenery.संचालित द्वारा

आइए प्रॉम्प्ट टेक्स्ट और इमेज ऑब्जेक्ट दोनों को अपनी जनरेशन फ़ंक्शन में दें ताकि हम मॉडल से छवि के बारे में सवाल पूछ सकें।

response = model.generate_content(
    ["Can you provide the exact location with coordinates?", img]
)

Markdown(response.text)संचालित द्वारा

45.4408° N, 12.3150° Eसंचालित द्वारा

इसने स्थान के निर्देशांक सटीक रूप से प्रदान किए हैं, और हमने उन्हें Google Maps में जोड़कर सत्यापित भी किया है।

चैट वार्तालाप

AI मॉडल के साथ ऐसी बातचीत करना संभव है जो पिछली बातचीत के इतिहास का उपयोग करके चैट का संदर्भ बनाए रखती है। इस तरह, मॉडल वार्तालाप की सामग्री को याद रख सकता है और पिछले इंटरैक्शन के आधार पर उपयुक्त प्रतिक्रियाएँ दे सकता है।

हमें सिर्फ model.start_chat का उपयोग करके एक चैट ऑब्जेक्ट बनाना है और उसे पहला संदेश देना है।

model = genai.GenerativeModel('gemini-pro')

chat = model.start_chat(history=[])

chat.send_message("Who created the Mona Lisa?")

for message in chat.history:
    display(Markdown(f'**{message.role}**: {message.parts[0].text}'))संचालित द्वारा

आइए एक और सवाल पूछें और प्रतिक्रिया चैट प्रारूप में प्रदर्शित करें।

chat.send_message("What else he created?")

for message in chat.history:
    display(Markdown(f'**{message.role}**: {message.parts[0].text}'))संचालित द्वारा

मॉडल ने संदर्भ याद रखा और उपयुक्त प्रतिक्रिया दी।

एंबेडिंग्स

API एंबेडिंग मॉडलों तक पहुँच देता है, जो संदर्भ-सचेत एप्लिकेशनों के लिए एक लोकप्रिय टूल है। एक सरल Python फ़ंक्शन के साथ, उपयोगकर्ता अपने प्रॉम्प्ट या सामग्री को एंबेडिंग में बदल सकते हैं, जिससे वे शब्दों, वाक्यों, या पूरे दस्तावेज़ों को अर्थ-सघन वेक्टर के रूप में निरूपित कर पाते हैं।

हम embed_content फ़ंक्शन को मॉडल नाम, सामग्री, टास्क प्रकार, और शीर्षक देंगे।

result = genai.embed_content(
    model="models/embedding-001",
    content="Who created the Mona Lisa?",
    task_type="retrieval_document",
    title="Mona Lisa Research")

print(result['embedding'][:10])संचालित द्वारा

[0.086675204, -0.027617611, -0.015689207, -0.00445945, 0.07286186, 0.00017529335, 0.07243656, -0.018299067, 0.018799499, 0.028495966]संचालित द्वारा

एकाधिक सामग्री को एंबेडिंग में बदलने के लिए, आपको 'content' आर्ग्युमेंट में स्ट्रिंग्स की सूची देनी होगी।

result = genai.embed_content(
    model="models/embedding-001",
    content=[
        "Who created the Mona Lisa?",
        "What else he created?",
        "When did he died?"
    ],
    task_type="retrieval_document",
    title="Mona Lisa Research 2")

for emb in result['embedding']:
    print(emb[:10],"\n")संचालित द्वारा

[0.07942627, -0.032543894, -0.010346633, -0.0039942865, 0.071596086, -0.0016670177, 0.07821064, -0.011955016, 0.019478166, 0.03784406] 

[0.027897138, -0.030693276, -0.0012639443, 0.0018902065, 0.07171923, -0.011544562, 0.04235154, -0.024570161, 0.013215181, 0.03026724] 

[0.04341321, 0.013262799, -0.0152797215, -0.009688456, 0.07342798, 0.0033503908, 0.05274988, -0.010907041, 0.05933596, 0.019402765]संचालित द्वारा

उन्नत AI एप्लिकेशनों जैसे सेमांटिक सर्च और रिकमेंडेशन इंजन के लिए एंबेडिंग मॉडलों के बारे में जानने हेतु Introduction to Embeddings with the OpenAI API कोर्स में नामांकित हों।

एडवांस्ड उपयोग के मामले

Gemini API की पूरी क्षमता का लाभ उठाने के लिए, डेवलपर्स को सेफ्टी सेटिंग्स और लो-लेवल API जैसी उन्नत विशेषताओं में गहराई तक जाना पड़ सकता है।

• सेफ्टी सेटिंग्स उपयोगकर्ताओं को प्रॉम्प्ट और प्रतिक्रियाओं में सामग्री को ब्लॉक या अनुमति देने के लिए कॉन्फ़िगर करने देती हैं, जिससे सामुदायिक दिशानिर्देशों का अनुपालन सुनिश्चित होता है।
• लो-लेवल API अनुकूलन के लिए बढ़ती लचीलेपन प्रदान करता है।
• मल्टी-टर्न बातचीत को GenaiChatSession क्लास का उपयोग करके विस्तारित किया जा सकता है, जिससे वार्तालाप अनुभव बेहतर होता है।

उन्नत विशेषताओं का उपयोग डेवलपर्स को अधिक कुशल एप्लिकेशन बनाने में सक्षम बनाता है और उपयोगकर्ता इंटरैक्शन के नए अवसर खोलता है।

निष्कर्ष

Gemini API डेवलपर्स के लिए पाठ और दृश्य दोनों इनपुट का उपयोग करके उन्नत AI एप्लिकेशन बनाने की रोमांचक संभावनाएँ खोलता है। Gemini Ultra जैसे इसके अत्याधुनिक मॉडल्स, इस बात की सीमाएँ आगे बढ़ाते हैं कि AI सिस्टम क्या समझ और जनरेट कर सकते हैं।

Google ने Python API के माध्यम से सुविधाजनक एक्सेस देकर एप्लिकेशनों में AI का एकीकरण और भी निर्बाध बना दिया है। Gemini API सामग्री जनरेशन, एंबेडिंग, और मल्टी-टर्न वार्तालाप जैसी सुविधाओं की एक श्रृंखला प्रदान करता है, जिससे AI अधिक सुलभ हो जाता है। Gemini AI मल्टी-मॉडल समझ में एक बड़ी छलांग का संकेत देता है।

यदि आप और सीखने में रुचि रखते हैं, तो एक छोटे Working with the OpenAI API कोर्स में नामांकित होकर OpenAI API के साथ AI-संचालित एप्लिकेशन विकसित करने की अपनी यात्रा शुरू करें। ChatGPT और DataLab जैसे लोकप्रिय AI एप्लिकेशनों के पीछे की कार्यक्षमता जानें, जो DataCamp की AI-सक्षम डेटा नोटबुक है।

यदि आप एक प्रोफेशनल हैं और आपको व्यावहारिक कोर्स की आवश्यकता नहीं है, तो आप हमारे चीट शीट के साथ OpenAI API in Python एक्सप्लोर कर सकते हैं।