Android พร้อมโซลูชัน AI

เพิ่มประสิทธิภาพแอป Android ด้วย Generative AI

ในเส้นทางการเรียนรู้นี้ คุณจะได้ค้นพบวิธีสร้างแอปพลิเคชัน Android ที่น่าสนใจยิ่งขึ้นโดยใช้เทคโนโลยีของ Google โดยไม่ต้องลงแรงมาก ในส่วนต่อไปนี้ คุณจะได้สร้างและปรับปรุงแอปการเตรียมอาหารสมมติ ซึ่งเป็นแอปจำลองประเภทที่คุณอาจกำลังพัฒนาอยู่ในปัจจุบันในฐานะนักพัฒนาแอป Android

คุณจะได้เรียนรู้วิธีใช้ Gemini ใน Android Studio เพื่อเรียนรู้และพัฒนาได้เร็วขึ้น ใช้ Firebase เพื่อสร้างเลเยอร์พื้นที่เก็บข้อมูลและการลงชื่อเข้าใช้ของแอป ใช้ Gemini เพื่อสร้างฟีเจอร์ Generative AI ที่ล้ำสมัยในแอปพลิเคชัน รวมถึงใช้เครื่องมือต่างๆ เช่น Firebase Remote Config, Google Analytics และ Crashlytics เพื่อรองรับแอปเวอร์ชันที่ใช้งานจริง

เพิ่มประสิทธิภาพการพัฒนาแอป Android ด้วย Gemini ใน Android Studio

การสร้างแอปพลิเคชัน Android ง่ายกว่าที่เคยด้วยความช่วยเหลือของ Gemini ใน Android Studio ซึ่งเป็นผู้ช่วยเขียนโค้ดที่ทำงานด้วยระบบ AI

การผสานรวม AI เข้ากับ IDE ที่คุณใช้ทุกวันโดยตรง Gemini ใน Android Studio ออกแบบมาเพื่อสร้างแอป Android คุณภาพสูงได้เร็วและง่ายขึ้นด้วยการช่วยเหลือคุณตลอดวงจรการพัฒนาซอฟต์แวร์ ซึ่งหมายความว่าคุณจะเรียนรู้แนวคิดใหม่ๆ ได้เร็วขึ้น สร้างต้นแบบได้อย่างง่ายดาย และใช้เวลากับส่วนสำคัญของแอปพลิเคชันมากขึ้น

เมื่อเริ่มต้นพัฒนาแอป Android ให้ดูว่า Gemini ใน Android Studio ช่วยเร่งการพัฒนาของคุณได้อย่างไร
ดาวน์โหลด Android Studio ดูข้อมูลเกี่ยวกับ Gemini ใน Android Studio
หากคุณเพิ่งเริ่มใช้ Android หรือเพิ่งเริ่มพัฒนาแอป Android ในด้านใดด้านหนึ่ง Gemini ใน Android Studio จะเป็นเครื่องมือการเรียนรู้ที่มีประโยชน์อย่างยิ่ง

  • รับคำตอบสำหรับคำถามของคุณทันที: คุณสามารถถาม Gemini เกี่ยวกับแนวคิดพื้นฐานของ Android, API ที่เฉพาะเจาะจง หรือแนวทางปฏิบัติแนะนำได้โดยตรงในหน้าต่างแชทของ Android Studio เช่น คุณสามารถถามว่า "ธีมมืดคืออะไร" หรือ "วิธีที่ดีที่สุดในการรับตำแหน่งใน Android คืออะไร"
  • รับตัวอย่างโค้ดและคำแนะนำ: Gemini สร้างข้อมูลโค้ดและแนะนำการใช้งานฟีเจอร์ต่างๆ ได้ เช่น การเพิ่มการรองรับกล้องหรือการสร้างฐานข้อมูลของ Room คุณยังขอโค้ดใน Kotlin หรือสำหรับ Jetpack Compose โดยเฉพาะได้ด้วย
  • ทําความเข้าใจข้อผิดพลาดและค้นหาวิธีแก้ไข: เมื่อพบข้อผิดพลาดในการสร้างหรือซิงค์ คุณสามารถขอคําอธิบายและคำแนะนำในการแก้ปัญหาจาก Gemini นอกจากนี้ Gemini ยังช่วยวิเคราะห์รายงานข้อขัดข้องจากข้อมูลเชิงลึกเกี่ยวกับคุณภาพของแอป โดยแสดงข้อมูลสรุปและแนะนำขั้นตอนถัดไป
ตัวอย่างเช่น สําหรับแอปการเตรียมอาหารสมมติ คุณสามารถขอให้ Gemini ช่วยสร้างต้นแบบเลย์เอาต์การเขียนใหม่เพื่อแสดงการ์ดสูตรอาหาร เมื่อใช้ความสามารถแบบหลายรูปแบบของ Gemini คุณเพียงแค่ต้องส่งภาพโมคอัปของโครงร่าง แล้วขอให้ Gemini ร่างโค้ดสำหรับ UI ของคุณ
Gemini แต่ละเวอร์ชันใน Android Studio ใช้งานได้โดยไม่มีค่าใช้จ่ายขณะอยู่ในเวอร์ชันตัวอย่าง

อย่างไรก็ตาม สําหรับการพัฒนาในสภาพแวดล้อมของทีมขนาดใหญ่ที่มีข้อกําหนดด้านความเป็นส่วนตัวและการจัดการที่เข้มงวดมากขึ้น Gemini ใน Studio สําหรับธุรกิจจะมอบสิทธิประโยชน์เพิ่มเติมที่มีคุณค่า ซึ่งรวมถึงฟีเจอร์ด้านความเป็นส่วนตัว ความปลอดภัย และการปรับแต่งโค้ดที่มีประสิทธิภาพมากขึ้น รวมถึงพร้อมให้ใช้งานกับเครดิต Google Cloud

เมื่อใช้ร่วมกับ Gemini Code Assist เครื่องมือเหล่านี้จะช่วยให้ทีมใช้ประโยชน์จาก AI ได้อย่างมั่นใจ พร้อมทั้งตอบสนองความต้องการด้านความเป็นส่วนตัว ความปลอดภัย และการจัดการที่สำคัญ

ดูข้อมูลเพิ่มเติมเกี่ยวกับ Gemini ใน Studio สำหรับธุรกิจ

องค์ประกอบพื้นฐานของ Firebase สําหรับแอป

ฟีเจอร์ทั่วไปในการพัฒนาแอปพลิเคชัน เช่น พื้นที่เก็บข้อมูลระบบคลาวด์ การตรวจสอบสิทธิ์ผู้ใช้ และการรายงานข้อขัดข้อง เป็นส่วนประกอบที่จำเป็นเมื่อคุณพัฒนาและใช้งานแอป

Firebase ช่วยให้กระบวนการพัฒนาแอป Android ง่ายขึ้นด้วยการจัดเตรียมองค์ประกอบพื้นฐานที่สำคัญเหล่านี้ ซึ่งทำให้คุณไม่ต้องติดตั้งใช้งานแบ็กเอนด์ของคุณเอง
เช่น หากกำลังสร้างแอปการเตรียมอาหาร คุณต้องเก็บสูตรอาหาร แผนอาหาร และรายการส่วนผสมไว้นอกอุปกรณ์ (ในกรณีที่ผู้ใช้เปลี่ยนโทรศัพท์) คุณสามารถเก็บข้อมูลนี้ไว้ใน Cloud Firestore

Cloud Firestore เป็นฐานข้อมูล NoSQL ในระบบคลาวด์ที่ปรับขนาดได้ซึ่งให้บริการโดย Firebase และ Google Cloud ซึ่งช่วยให้สามารถซิงค์ข้อมูลแบบเรียลไทม์ในแอปไคลเอ็นต์ผ่าน Listener แบบเรียลไทม์ และรองรับการใช้งานแบบออฟไลน์สำหรับอุปกรณ์เคลื่อนที่และเว็บ เพื่อให้แอปมีประสิทธิภาพที่ตอบสนองได้อย่างรวดเร็วไม่ว่าเครือข่ายจะพร้อมใช้งานหรือไม่ก็ตาม โดยผสานรวมกับผลิตภัณฑ์อื่นๆ ของ Firebase และ Google Cloud ได้อย่างราบรื่น รวมถึง Cloud Functions

การตรวจสอบสิทธิ์ผู้ใช้เป็นสิ่งจําเป็นในการอนุญาตให้ผู้ใช้ที่เปลี่ยนอุปกรณ์เข้าถึงข้อมูลของตนได้ และตรวจสอบว่าผู้อื่นไม่สามารถเข้าถึงข้อมูลดังกล่าว

Firebase Authentication เป็นเครื่องมือที่มีประสิทธิภาพซึ่งช่วยให้กระบวนการเพิ่มการตรวจสอบสิทธิ์ของผู้ใช้ในแอป Android ง่ายขึ้น โดยให้บริการแบ็กเอนด์และ SDK ที่มีไลบรารี UI สำเร็จรูปที่รองรับวิธีการตรวจสอบสิทธิ์ต่างๆ ซึ่งรวมถึงการเข้าสู่ระบบด้วยอีเมล/รหัสผ่าน การตรวจสอบสิทธิ์หมายเลขโทรศัพท์ และการผสานรวมกับผู้ให้บริการข้อมูลประจำตัวแบบรวมศูนย์ที่ได้รับความนิยม เช่น Google, Facebook และ Twitter
การตรวจสอบข้อผิดพลาดและการขัดข้องเป็นสิ่งจําเป็นเพื่อให้แอปของคุณเสถียรและประสบความสําเร็จ เนื่องจากแอปที่ขัดข้องจะทำให้ผู้ใช้ไม่พอใจและถอนการติดตั้ง

Firebase Crashlytics เป็นเครื่องมือรายงานข้อขัดข้องแบบเรียลไทม์ที่ช่วยคุณติดตาม จัดลําดับความสําคัญ และแก้ไขปัญหาความเสถียรที่ทําให้คุณภาพของแอปลดลง ซึ่งจะช่วยประหยัดเวลาในการแก้ปัญหาด้วยการจัดกลุ่มข้อขัดข้องอย่างชาญฉลาดและไฮไลต์สถานการณ์ที่ทําให้เกิดข้อขัดข้อง

ทั้ง Cloud Firestore และ Firebase Authentication มีแพ็กเกจแบบไม่มีค่าใช้จ่ายที่คุ้มค่า อย่างไรก็ตาม หากแอปของคุณต้องใช้โควต้าหรือฟีเจอร์ขั้นสูงเพิ่มเติมจากบริการเหล่านี้ คุณจะต้องสมัครใช้บริการแบบชำระเงิน แต่ไม่ต้องกังวล คุณสามารถใช้เครดิตในระบบคลาวด์เพื่อชำระค่าใช้จ่ายเหล่านั้นได้ และ Crashlytics ใช้งานได้ฟรีไม่ว่าคุณจะใช้งานมากน้อยเพียงใด

ดูข้อมูลเกี่ยวกับโซลูชันอื่นๆ ที่ Firebase มีให้บริการได้ที่เว็บไซต์ Firebase 
scope.launch {
  val response = model.generateContent(
    "Create a shopping list with $cuisineStyle ingredients")
}
ในกรณีของแอปสูตรอาหารตัวอย่าง Gemini 2.0 Flash จะสร้างรายการช็อปปิ้งของส่วนผสมสำหรับทำอาหารในสไตล์อาหารหนึ่งๆ ได้ คุณยังขอให้โมเดลสร้างสตริง JSON ที่สามารถแยกวิเคราะห์ในแอปเพื่อแสดงผลใน UI ได้อย่างง่ายดายได้ด้วย หากต้องการสร้างรายการ ให้เรียกใช้ฟังก์ชัน `generateContent()` พร้อมพรอมต์ข้อความ

อ่านคู่มือนักพัฒนาแอป Android เพื่อดูข้อมูลเพิ่มเติม

Generative AI ใน Android

การผสานรวม Generative AI ในแอปพลิเคชันการเตรียมอาหารบน Android ทำได้หลายวิธี ภาพรวมคร่าวๆ ของตัวเลือกแต่ละรายการมีดังนี้
Gemini Nano เป็นโมเดลของกลุ่ม Gemini ที่เพิ่มประสิทธิภาพให้ทำงานในอุปกรณ์ โดยผสานรวมกับระบบปฏิบัติการ Android โดยตรงผ่าน AICore คุณสามารถใช้เพื่อมอบประสบการณ์ Generative AI ได้โดยไม่ต้องเชื่อมต่อเครือข่ายหรือส่งข้อมูลไปยังระบบคลาวด์

AI ในอุปกรณ์เป็นตัวเลือกที่ยอดเยี่ยมสำหรับกรณีการใช้งานที่ความล่าช้าต่ำ ต้นทุนต่ำ และการปกป้องความเป็นส่วนตัวเป็นข้อกังวลหลัก เช่น ในแอปสั่งอาหารล่วงหน้า คุณสามารถใช้ Gemini Nano เพื่อแนะนำไอเดียอาหารตามอาหารหลากหลายประเภทและประวัติการรับประทานอาหารของผู้ใช้

ดูข้อมูลเพิ่มเติมเกี่ยวกับสถาปัตยกรรมทางเทคนิคของ Gemini Nano ได้ในเอกสารประกอบของ Android

หากต้องการทดสอบ Gemini Nano ในแอปพลิเคชันของคุณเอง ให้ตรวจสอบ Gemini Nano ในอุปกรณ์ด้วยขั้นตอน Google AI Edge SDK เวอร์ชันทดลองด้านล่าง
โดยทั่วไปแล้ว โมเดล Generative AI ที่เพิ่มประสิทธิภาพให้ทำงานบนระบบคลาวด์จะมีประสิทธิภาพมากกว่าโมเดล AI ในอุปกรณ์

ในฐานะนักพัฒนาแอป Android คุณสามารถใช้ Vertex AI ใน Firebase เพื่อนำความสามารถของ Generative AI มาใช้ในแอป Android ได้อย่างรวดเร็วโดยใช้โมเดล Gemini Pro และ Flash สำหรับงานการสร้างข้อความ และ Imagen สำหรับงานการสร้างรูปภาพ

โมเดล AI ตระกูล Gemini Pro และ Flash เป็นโมเดลแบบหลายโมดัลที่จัดการงานได้หลากหลาย โดยรับอินพุตรูปภาพ เสียง และวิดีโอ และสร้างเอาต์พุตข้อความที่มีการจัดรูปแบบเป็น JSON, XML และ CSV และโมเดล Gemini ใหม่ล่าสุดยังสร้างเอาต์พุตหลายรูปแบบได้ เช่น เสียงและรูปภาพ

ตัวอย่างเช่น ในแอปการเตรียมอาหาร คุณสามารถใช้โมเดล Gemini เพื่อสร้างรายการช็อปปิ้งที่มีส่วนผสมสำหรับอาหารประเภทหนึ่งๆ

และคุณใช้เครดิต Google Cloud เพื่อชำระค่าใช้จ่ายในการโทรเหล่านี้ไปยังโมเดล Gemini ได้

หากต้องการดูวิธีใช้โมเดล Gemini ที่โฮสต์บนระบบคลาวด์ในแอป ให้ดูขั้นตอนด้านล่างเกี่ยวกับการใช้ Gemini ผ่าน Vertex AI ใน Firebase
Imagen 3 เป็นโมเดลการสร้างรูปภาพล่าสุดของ Google และคุณเข้าถึงผ่าน Vertex AI ใน Firebase ได้ ซึ่งทำให้การเพิ่มความสามารถในการสร้างรูปภาพลงในแอป Android เป็นไปอย่างรวดเร็วและราบรื่น

ตัวอย่างเช่น ในแอปการเตรียมอาหาร คุณสามารถใช้โมเดล Imagen 3 เพื่อสร้างภาพสูตรอาหาร

ค่าใช้จ่ายดังกล่าวจะครอบคลุมด้วยเครดิต Google Cloud

หากต้องการดูวิธีใช้ Imagen 3 ในแอป โปรดอ่านขั้นตอนการใช้ Imagen 3 สำหรับการสร้างรูปภาพด้านล่าง
นอกจากนี้ คุณยังเพิ่มความสามารถของ Generative AI ผ่านการผสานรวมแบ็กเอนด์ได้ด้วย

  • Genkit เป็นเฟรมเวิร์กแบบโอเพนซอร์สที่ลดความซับซ้อนของการพัฒนา การติดตั้งใช้งาน และการตรวจสอบแอปพลิเคชันที่ทำงานด้วยระบบ AI
  • สําหรับความต้องการ MLOps ขั้นสูงขึ้น Vertex AI ของ Google Cloud มีบริการที่มีการจัดการอย่างเต็มรูปแบบ รวมถึงข้อเสนอโมเดลที่หลากหลายผ่าน Vertex AI Model Garden คุณสามารถใช้เครดิต Google Cloud เพื่อชำระค่าใช้จ่ายสำหรับบริการเหล่านี้ได้ด้วย


หากต้องการเรียกใช้การอนุมาน AI ในอุปกรณ์นอกเหนือจาก Gemini Nano คุณยังทดลองใช้ LiteRT และ MediaPipe ได้ด้วยวิธีต่อไปนี้
  • LiteRT (เดิมคือ TFLite) คือรันไทม์ประสิทธิภาพสูงของ Google สําหรับ AI ในอุปกรณ์ ซึ่งออกแบบมาเพื่อเรียกใช้โมเดลแมชชีนเลิร์นนิงในอุปกรณ์โดยตรงอย่างมีประสิทธิภาพ
  • MediaPipe เป็นเฟรมเวิร์กแบบโอเพนซอร์สที่ช่วยให้นักพัฒนาซอฟต์แวร์สร้างไปป์ไลน์แมชชีนเลิร์นนิงสำหรับการประมวลผลข้อมูลมัลติมีเดีย เช่น วิดีโอและเสียง ได้แบบเรียลไทม์


ดูข้อมูลเพิ่มเติมเกี่ยวกับข้อเสนอ GenAI ของ Android ได้ที่ส่วน AI ในเอกสารประกอบของ Android
Google AI Edge SDK ช่วยให้นักพัฒนาแอป Android สามารถผสานรวมและทดสอบความสามารถของ GenAI ในอุปกรณ์ของ Gemini Nano เพื่อปรับปรุงแอปพลิเคชันได้ วิธีเริ่มต้นใช้งานมีดังนี้
  • เข้าร่วมกลุ่ม aicore-experimental ใน Google
  • เลือกใช้โปรแกรมการทดสอบ Android AICore
    หลังจากทำตามขั้นตอนเหล่านี้แล้ว ชื่อแอป AICore ใน Play Store (ในส่วนจัดการแอปและอุปกรณ์) ควรเปลี่ยนจาก "Android AICore" เป็น "Android AICore (เบต้า)"
  • ทำตามขั้นตอนเหล่านี้เพื่อให้แน่ใจว่ามีการดาวน์โหลด APK และไบนารีลงในอุปกรณ์อย่างถูกต้อง
  • จากนั้นอัปเดตการกําหนดค่า Gradle ของแอปโดยเพิ่มการพึ่งพาต่อไปนี้ implementation("com.google.ai.edge.aicore:aicore:0.0.1-exp01")
    และตรวจสอบว่าคุณได้ตั้งค่าเป้าหมาย SDK ขั้นต่ำเป็น 31
implementation("com.google.ai.edge.aicore:aicore:0.0.1-exp01")
ถัดไป คุณสามารถกําหนดค่ารูปแบบเพื่อควบคุมการตอบกลับ ซึ่งเกี่ยวข้องกับการระบุบริบทและการตั้งค่าพารามิเตอร์ต่อไปนี้ (ไม่บังคับ)

  • อุณหภูมิ: ควบคุมระดับความสุ่ม ยิ่งค่าสูงเท่าไร เอาต์พุตก็จะยิ่งมีความหลากหลายมากขึ้นเท่านั้น
  • Top K: ระบุจํานวนโทเค็นที่มีลําดับสูงสุดที่จะนำมาพิจารณาในการสร้างเอาต์พุต
  • จำนวนรายการที่เป็นไปได้: กำหนดจำนวนคำตอบสูงสุดที่จะแสดง
  • โทเค็นเอาต์พุตสูงสุด: กำหนดความยาวสูงสุดของคำตอบ
val generationConfig = generationConfig {
  context = ApplicationProvider.getApplicationContext()
  temperature = 0.2f
  topK = 16
  maxOutputTokens = 256
}
สร้างฟังก์ชัน downloadCallback (ไม่บังคับ) ฟังก์ชัน Callback นี้ใช้สำหรับการดาวน์โหลดโมเดล รวมถึงแสดงผลข้อความที่สามารถใช้เพื่อแก้ไขข้อบกพร่องได้ด้วย สร้างออบเจ็กต์ `GenerativeModel` โดยใช้การกำหนดค่าการสร้างและการดาวน์โหลด (ไม่บังคับ) ที่คุณสร้างไว้ก่อนหน้านี้ 
val downloadConfig = DownloadConfig(downloadCallback)
val generativeModel = GenerativeModel(
  generationConfig = generationConfig,
  downloadConfig = downloadConfig // optional
)
สุดท้าย ให้เริ่มการอนุมานโดยส่งพรอมต์ไปยังโมเดล ตรวจสอบว่า GenerativeModel.generateContent() อยู่ภายในขอบเขต coroutine ที่เหมาะสม เนื่องจากเป็นฟังก์ชันที่ระงับ

ในบริบทของแอปพลิเคชันการเตรียมอาหารตัวอย่าง Gemini Nano สามารถให้แรงบันดาลใจในการปรุงอาหารโดยแนะนำอาหารประเภทต่างๆ และอาหารที่ไม่เหมือนกับประวัติอาหาร 
scope.launch {
  val input = "Suggest different types of cuisines and easy to cook dishes that are not $recentMealList"
  val response = generativeModel.generateContent(input)
  print(response.text)
}
โมเดล Gemini Nano มีขีดจํากัดโทเค็นอินพุตสูงสุด 12,000 รายการ ดูข้อมูลเพิ่มเติมเกี่ยวกับการทดลองใช้ Gemini Nano ได้ที่ส่วน Gemini Nano ในเอกสารประกอบของ Android

Gemini ผ่าน Vertex AI ใน Firebase

การใช้ Vertex AI ใน Firebase ช่วยให้คุณสร้างฟีเจอร์ที่ทำงานด้วย GenAI โดยใช้โมเดล Gemini Cloud ทั้งหมดได้ด้วยการทำให้ใช้งานได้อย่างราบรื่นและจัดการระบบนิเวศ Firebase 

dependencies {
...
// Import the BoM for the Firebase platform
implementation(platform("com.google.firebase:firebase-bom:"))

// Add the dependency for the Vertex AI in Firebase library
// When using the BoM, you don't specify versions in Firebase
// library dependencies
implementation("com.google.firebase:firebase-vertexai")
}
เริ่มต้นด้วยการทดลองใช้พรอมต์ใน Vertex AI Studio ซึ่งเป็นอินเทอร์เฟซแบบอินเทอร์แอกทีฟสําหรับการออกแบบพรอมต์และการสร้างต้นแบบ คุณสามารถอัปโหลดไฟล์เพื่อทดสอบพรอมต์ด้วยข้อความและรูปภาพ รวมถึงบันทึกพรอมต์ไว้เพื่อกลับมาดูในภายหลังได้

เมื่อพร้อมเรียกใช้ Gemini API จากแอป ให้ตั้งค่า Firebase และ SDK โดยทําตามวิธีการในคู่มือเริ่มต้นใช้งาน Vertex AI ใน Firebase

จากนั้นเพิ่มทรัพยากร Dependency ของ Gradle ลงในโปรเจ็กต์ 

val generativeModel = Firebase.vertexAI
  .generativeModel(
  "gemini-2.0-flash",
  generationConfig = generationConfig {
        responseMimeType = "application/json"
        responseSchema = jsonSchema
  }
    )
ตอนนี้คุณเรียกใช้ Gemini API จากโค้ด Kotlin ได้แล้ว ก่อนอื่น ให้เริ่มต้นบริการ Vertex AI และสร้างอินสแตนซ์ `GenerativeModel` ดังนี้ 
scope.launch {
  val response = model.generateContent("
    Create a shopping list with $cuisineStyle ingredients")
}
ในกรณีของแอปสูตรอาหารตัวอย่าง Gemini 2.0 Flash จะสร้างรายการช็อปปิ้งของส่วนผสมสำหรับทำอาหารในสไตล์อาหารหนึ่งๆ ได้ คุณยังขอให้โมเดลสร้างสตริง JSON ที่สามารถแยกวิเคราะห์ในแอปเพื่อแสดงผลใน UI ได้อย่างง่ายดายได้ด้วย หากต้องการสร้างรายการ ให้เรียกใช้ฟังก์ชัน `generateContent()` พร้อมพรอมต์ข้อความ

อ่านคู่มือนักพัฒนาแอป Android เพื่อดูข้อมูลเพิ่มเติม

Imagen 3 สำหรับการสร้างรูปภาพ

คุณสามารถเข้าถึง Imagen 3 ผ่าน Vertex AI ใน Firebase เพื่อให้ผสานรวมการสร้างรูปภาพเข้ากับแอป Android ได้อย่างราบรื่น Imagen 3 เป็นโมเดลการสร้างรูปภาพที่ทันสมัยที่สุดของ Google ซึ่งจะสร้างรูปภาพคุณภาพสูงที่มีรายละเอียดที่น่าทึ่ง มีข้อบกพร่องน้อยมาก และเอฟเฟกต์การจัดแสงที่สมจริง ซึ่งถือเป็นมาตรฐานใหม่ในการสร้างรูปภาพ

ตัวอย่างเช่น Imagen 3 อาจอนุญาตให้ผู้ใช้สร้างรูปโปรไฟล์ของตนเองหรือสร้างชิ้นงานเพื่อแสดงภาพหน้าจอที่มีอยู่ ตัวอย่างเช่น สําหรับแอปการเตรียมอาหาร คุณสามารถใช้ Imagen 3 เพื่อสร้างรูปภาพสําหรับหน้าจอสูตรอาหาร

รูปภาพที่ Imagen 3 สร้างขึ้นจากพรอมต์: ภาพวาดสไตล์การ์ตูนแสดงภาพรวมด้านบนของเคาน์เตอร์ครัวพร้อมวัตถุดิบที่สวยงามสำหรับอาหารเมดิเตอร์เรเนียน 
dependencies {
    implementation(platform("com.google.firebase:firebase-bom:33.10.0"))

    implementation("com.google.firebase:firebase-vertexai")
}
การผสานรวม Imagen 3 คล้ายกับการเข้าถึงโมเดล Gemini ผ่าน Vertex AI ใน Firebase

เริ่มต้นด้วยการเพิ่ม Dependency ของ Gradle ลงในโปรเจ็กต์ Android โดยทำดังนี้ 
val imageModel = Firebase.vertexAI.imagenModel(
modelName = "imagen-3.0-generate-001",
generationConfig = ImagenGenerationConfig(
  imageFormat = ImagenImageFormat.jpeg(compresssionQuality = 75),
  addWatermark = true,
  numberOfImages = 1,
  aspectRatio = ImagenAspectRatio.SQUARE_1x1
)
จากนั้นสร้างอินสแตนซ์ `ImageModel` ในโค้ด Kotlin โดยส่งชื่อโมเดลและการกำหนดค่าโมเดล (ไม่บังคับ) ดังนี้ 
val imageResponse = imageModel.generateImages(
prompt = "A cartoon style illustration of a top overview of a kitchen countertop
  with beautiful ingredients for a $cuisineStyle meal."
)
สุดท้ายให้สร้างรูปภาพโดยเรียกใช้ `generateImages()` พร้อมพรอมต์ข้อความ ดังนี้ 
val image = imageResponse.images.first()
val uiImage = image.asBitmap()
เรียกข้อมูลรูปภาพที่สร้างขึ้นจาก `imageResponse` และแสดงเป็นบิตแมป
อ่านเพิ่มเติมเกี่ยวกับการใช้ Imagen 3 ได้ในบล็อกของนักพัฒนาแอป Android และเอกสารประกอบสำหรับนักพัฒนาแอป Android

เตรียมพร้อมสําหรับเวอร์ชันที่ใช้งานจริงด้วย Firebase

เมื่อติดตั้งใช้งานฟีเจอร์ genAI ในแอปแล้ว ขั้นตอนสำคัญถัดไปก่อนที่คุณจะนำแอปไปใช้จริงมีดังนี้
  • ใช้ Firebase App Check กับ Play Integrity เพื่อป้องกันการใช้ API ในทางที่ผิด
  • ใช้ Firebase Remote Config สําหรับการกําหนดค่าที่ควบคุมโดยเซิร์ฟเวอร์เพื่ออัปเดตโมเดลและเวอร์ชัน AI แบบไดนามิก
  • สร้างกลไกความคิดเห็นด้วย Google Analytics เพื่อประเมินผลลัพธ์และรวบรวมความคิดเห็นของผู้ใช้เกี่ยวกับการตอบกลับของ AI
นอกจากนี้ โปรดคำนึงถึงความเป็นส่วนตัวของผู้ใช้และการใช้ AI อย่างมีความรับผิดชอบ รวมถึงแสดงความโปร่งใสต่อผู้ใช้เกี่ยวกับลักษณะการทํางานของโมเดลที่อาจเกิดขึ้นโดยไม่คาดคิด อ่าน บล็อกโพสต์ต่อไปนี้เพื่อดูข้อมูลเพิ่มเติมเกี่ยวกับความพร้อมใช้งานในเวอร์ชันที่ใช้งานจริงด้วย Vertex AI ใน Firebase