🎨 Multimodal

Gemini Pro Vision pode analisar imagens: identificar objetos, extrair texto (OCR), descrever cenas e responder perguntas.

import google.generativeai as genai
from PIL import Image

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

# Carregar imagem
img = Image.open('diagrama.png')

# Enviar com prompt
response = model.generate_content([
    "Descreva este diagrama em detalhes",
    img
])
print(response.text)

Gemini pode processar arquivos de audio para transcricao, resumo e analise de conteudo.

# Upload do arquivo de audio
audio_file = genai.upload_file('podcast.mp3')

# Aguardar processamento
while audio_file.state.name == "PROCESSING":
    time.sleep(2)
    audio_file = genai.get_file(audio_file.name)

# Gerar transcricao
response = model.generate_content([
    "Transcreva este audio e faca um resumo dos pontos principais",
    audio_file
])

Analise de videos: descricao de cenas, deteccao de eventos, resumos e perguntas sobre conteudo visual.

# Upload do video (pode demorar para videos grandes)
video_file = genai.upload_file('presentation.mp4')

# Aguardar processamento completo
while video_file.state.name == "PROCESSING":
    time.sleep(10)
    video_file = genai.get_file(video_file.name)

# Analisar
response = model.generate_content([
    "Liste todos os topicos abordados nesta apresentacao",
    video_file
])

Analise de documentos PDF: texto, tabelas, graficos e layout.

# Upload do PDF
pdf_file = genai.upload_file('relatorio.pdf')

# Analisar conteudo
response = model.generate_content([
    "Extraia todos os dados financeiros das tabelas deste documento",
    pdf_file
])

print(response.text)

A File API permite upload de arquivos maiores (>20MB) para processamento.

Combine multiplas modalidades em um unico prompt para analises mais ricas.

# Combinar texto com multiplas imagens
response = model.generate_content([
    "Compare estas duas imagens de dashboards.",
    "Quais metricas melhoraram entre a primeira e a segunda?",
    img1,
    img2
])