Stanislaus HeesBuchbegleitung

LESEN · VERSTEHEN · WEITERDENKEN

KI ins eigene Produkt · Seite 228

Inhalt

Google: Bild und Auftrag gemeinsam senden

Gemini Interactions erhält Bild und Änderung in getrennten Inhaltsteilen: POST /v1beta/interactions.

{
  "model": "gemini-nano-banana-2.1",
  "input": [
    {"type": "text",
     "text": "Entferne nur die rote Tasse."},
    {"type": "image", "mime_type": "image/png",
     "data": "<BASE64 DES AUSGANGSBILDS>"}
  ],
  "response_format": {
    "type": "image", "mime_type": "image/png",
    "image_size": "2K"
  }
}

type unterscheidet Text und Bild, mime_type nennt das Dateiformat. Ein Ausschnitt der Antwort:

{
  "status": "completed",
  "steps": [{"type": "model_output",
    "content": [{
      "type": "image", "mime_type": "image/png",
      "data": "<BASE64 DES NEUEN BILDS>"
    }]
  }]
}

Die App sucht den Bildinhalt in steps[].content[] und dekodiert data. Beide Anbieter liefern Bilddaten – in unterschiedlichen Feldern.