聯繫我們

課程簡介

Gemini 3 多模態入門

  • 跨文字、圖像、音訊和影片的功能
  • 模型選擇與端點概覽
  • 多模態推理的關鍵概念

處理文字與結構化輸入

  • 文字生成的提示策略
  • 中繼資料、上下文視窗和嵌入技術
  • 基於文字的多模態任務編排

圖像理解與視覺工作流程

  • 使用 Gemini 3 進行圖像分析與解讀
  • 建構視覺搜尋與標籤工具
  • 建立圖到文及文到圖的互動

音訊輸入處理

  • 語音辨識與轉錄工作流程
  • 音訊事件偵測與解讀
  • 將音訊整合至文字與視覺輸入中

影片智慧與場景分析

  • 逐幀及連續影片的推理
  • 建構摘要與亮點提取工具
  • 基於影片的自動化與內容工作流程

設計多模態應用程式架構

  • 在單一管線中結合多種輸入類型
  • 延遲、成本及運算考量
  • 可擴展多模態系統的實務建議

多模態應用程式原型建構

  • 實作多模態原型
  • 透過提示工程快速迭代
  • 測試與優化使用者體驗流程

部署多模態解決方案

  • 部署策略與環境設定
  • 監控真實世界效能
  • 安全與合規性考量

總結與下一步

最低要求

  • 具備現代 AI 概念的理解
  • 具備 Python 或 JavaScript 經驗
  • 熟悉 REST API

目標受眾

  • 設計師
  • 內容創作者
  • 技術產品團隊
 14 小時

人數


每位參與者的報價

客戶評論 (1)

即將到來的課程

課程分類