◉GEMINI LABEN
●ROBOTICS — 8月31日に停止した ER 1.6 preview には後継があります。Gemini Robotics ER 2 が公開プレビュー中で、通常版とストリーミング版の2種類が提供されています●VIDEO — ER 2 の成功・失敗判定は静止画ではなく生の映像フィード上で動きます。こぼれ・滑り・位置ずれのような、実行の途中で起きる失敗を捉えられる設計です●DEADLINE — 次の期限は9月30日、gemini-omni-flash-preview の廃止です。移行先は8月27日に GA になった gemini-omni-1.1-flash で、残り4週間を切りました●APIKEY — 残りの標準 API キーは、制限付きのものも含めて9月中に全面停止します。移行先は Google Cloud サービスアカウントに紐付く auth キー形式です●PRICE — Gemini 3.7 Flash の導入価格 $0.75/$3.75 per 1M は12月31日までです。2027年1月1日から $1.50/$7.50 になるため、年を跨ぐ見積もりは2本立てが要ります●AUDIO — Gemini 3.5 Transcribe は85言語以上の言語検出、話者ダイアライゼーション、単語単位タイムスタンプ、最大1,000語のカスタム語彙バイアスに対応しています●ROBOTICS — 8月31日に停止した ER 1.6 preview には後継があります。Gemini Robotics ER 2 が公開プレビュー中で、通常版とストリーミング版の2種類が提供されています●VIDEO — ER 2 の成功・失敗判定は静止画ではなく生の映像フィード上で動きます。こぼれ・滑り・位置ずれのような、実行の途中で起きる失敗を捉えられる設計です●DEADLINE — 次の期限は9月30日、gemini-omni-flash-preview の廃止です。移行先は8月27日に GA になった gemini-omni-1.1-flash で、残り4週間を切りました●APIKEY — 残りの標準 API キーは、制限付きのものも含めて9月中に全面停止します。移行先は Google Cloud サービスアカウントに紐付く auth キー形式です●PRICE — Gemini 3.7 Flash の導入価格 $0.75/$3.75 per 1M は12月31日までです。2027年1月1日から $1.50/$7.50 になるため、年を跨ぐ見積もりは2本立てが要ります●AUDIO — Gemini 3.5 Transcribe は85言語以上の言語検出、話者ダイアライゼーション、単語単位タイムスタンプ、最大1,000語のカスタム語彙バイアスに対応しています
TAG

画像認識

5 記事
← タグ一覧に戻る
関連タグ:
マルチモーダル4Gemini API3個人開発2gemini-api1iOS1Android1モバイルアプリ1音声解析1AI機能1Swift1Kotlin1収益化1
◈ Gemini API/2026-07-03上級

Gemini API で iOS/Android アプリに AI 機能を実装する 2026 — 画像認識・音声解析・チャット・収益化まで

Gemini API で iOS/Android アプリに画像認識・音声解析・AIチャットを組み込む際の設計パターンとコスト最適化を、個人開発の実測値とともに整理します。Gemma 4 振り分けと API キー制限必須化への対応も追記しました。

⬡ Gemini 応用/2026-06-04中級

Gemini の画像理解で壁紙アプリの審査リスクを事前点検した2週間の運用メモ

壁紙アプリの新規バッチを提出する前に、Gemini の画像理解でストア審査リスクを事前点検した2週間の運用メモです。商標の写り込みなど何を拾えて何を拾えなかったか、コストと処理時間の実測、目視チェックとの役割分担を個人開発の視点で記録しました。

⬡ Gemini 応用/2026-05-13中級

Gemini Vision に自分のアートワークを見せてみた — 作り手と開発者、二つの視点からの正直なレビュー

自作のアート画像を Gemini Vision に分析させ、AI が何を読み取り、何を見落としたかを検証しました。壁紙アプリ運営での実用的な使いどころと、現状の限界を個人開発者の視点で正直にまとめます。

◈ Gemini API/2026-03-28上級

Gemini API で実現するマルチモーダル文書解析システム — 画像・PDF・動画を統合処理する実践アーキテクチャ

Gemini API のマルチモーダル機能を活用し、画像・PDF・動画を統合的に解析するシステムの設計と実装を解説。ファイルアップロードから構造化データ抽出、バッチ処理パイプラインの構築まで実践的にカバーします。

◈ Gemini API/2026-03-19上級

Unity × Gemini マルチモーダル AI 実装 完全コード集【上級編】

Unity に Gemini API のマルチモーダル機能（テキスト＋画像＋音声）を統合する完全実装ガイド。ストリーミング応答、画像認識NPC、音声対話システム、コンテキスト管理まで本番レベルのC#コードを公開。