Gemini Vision で壁紙アプリの自動カテゴリ分類を実装した話
個人開発の壁紙アプリで Gemini Vision API を使い、画像の自動カテゴリ分類を実装した実体験です。精度改善のプロセスと、公式ドキュメントには載っていない落とし穴、GPT-4o Vision とのコスト比較までまとめました。
Gemini Vision で壁紙アプリのカテゴリ自動分類を試した — 精度と落とし穴の実記録
壁紙アプリの画像カテゴリ自動分類を Gemini Vision で実装した記録。精度67%から87%への改善手順と、confidence 閾値で人間レビューを全体の15%に絞り込む運用設計を紹介します。
Gemini API に画像を送る前に Pillow で縮小しておくべき理由
Gemini API のマルチモーダル入力で iPhone の写真をそのまま投げているとレイテンシも料金も静かに膨らみます。Pillow で前処理するだけで結果が変わった実例と、私が普段使っている縮小関数をまとめました。
Gemini 2.5 Pro の空間理解（バウンディングボックス・セグメンテーション）を本番アプリで使いこなす
Gemini 2.5 Pro の空間理解出力を本番のモバイル/Webアプリに組み込むための実装ガイド。座標正規化・マスクのデコード・ハルシネーション検出・YOLOへの自動フォールバックまで、動作するコードと共に解説します。
Gemini API で動画から多言語字幕（SRT/VTT）を生成する実装パターン
Gemini API の動画入力から SRT / VTT 形式の多言語字幕を生成する実装パターンです。2つの動画の渡し方の使い分け、タイムスタンプ精度を上げる3つのコツ、多言語字幕を1リクエストで完結させる方法、公開前の軽量 QA パスまでまとめました。
Gemini API × SwiftUI 本番アプリ実装ガイド：ストリーミング・マルチモーダル・エラーハンドリング・App Store対策まで
Gemini APIをSwiftUIアプリに本番レベルで統合する実装ノウハウ。ストリーミング応答・マルチモーダル入力・エラーハンドリング・テスト戦略・App Store申請対策まで、プロ向けの実装ノウハウを実例とともに整理します。
Gemini API × Flutter で AI チャットアプリを個人開発で運用するノート — iOS / Android 同時リリースで踏んだ設計と落とし穴
Flutter で iOS / Android を同時にリリースしている個人開発アプリに Gemini API を組み込んで運用してみた実装ノートです。AdMob 併用で eCPM とトークンコストのバランスを取る設計、ストリーミング切断・Firestore コスト・Cold Start などの実測値と対処を、コード例と数値付きで整理しました。
Omni Flash で短尺動画から SNS 告知メタデータを1パス抽出する
公開プレビューの Gemini Omni Flash に短尺動画を1回渡すだけで、告知文・チャプター・見せ場タイムスタンプを構造化 JSON で受け取る実装をまとめます。フレーム抽出を挟む多コール構成との違い、fps と media_resolution の効かせどころ、1本あたりのコスト試算まで、個人開発の告知作業を回す視点で扱います。
Nano Banana 2 に動画を渡してサムネイルを1枚生成する — gemini-3.1-flash-image の動画→画像を実装したメモ
GA になった gemini-3.1-flash-image（Nano Banana 2）に動画ファイルを文脈として渡し、サムネイルを1枚生成する実装手順です。フレーム抽出との違い、preview からの移行差分、1枚あたりのコストと所要時間の実測までまとめました。
ユーザー投稿のメディアを Gemini に渡す前段を固める — 安全弁としての検証パイプライン実装メモ
ユーザーがアップロードした画像や動画をそのまま Gemini に流すと、MIME 偽装・EXIF 漏洩・展開爆弾・動画の処理待ちといった落とし穴に次々はまります。先頭バイト判定から Files API の状態ポーリング、後始末までを動くコードで段階的に組み立てます。
Gemini APIで「Unsupported MIME type」エラーが出るときの原因と対処
画像や音声をGemini APIに渡したときに発生する『Unsupported MIME type』エラーを、MIMEタイプの綴り間違い・octet-stream問題・非対応フォーマットの3つの観点から切り分けて、確実に動くコードで解決します。
Gemini マルチモーダル API で画像・音声・動画を統合処理する有料サービスの実装
Gemini のマルチモーダル機能で画像・音声・動画・PDF を統合処理する有料サービスの作り方を解説します。File API の使い方、ユースケース別の実装パターン、Stripe Metered Billing との連携、利益率を保つ料金設計まで実践コードつきです。