Gemini: Визуальный ИИ и работа с документами
Практикум · Мультимодальный ИИ

Gemini: "Глаза и мозг"
для визуальных задач

РАБОТА С ФОТО, СКРИНШОТАМИ И PDF

Превращаем хаотичные изображения и документы в структурированные данные

Введение

Почему сегодня Gemini?

Объяснять картинку текстом: "Там синий фон, слева кнопка, а справа кривой текст..." — это ад.

👁️
Истинная мультимодальность
Бесплатная версия блестяще "видит" изображения и понимает их контекст.
📄
Чтение PDF
Загружайте отчеты и договоры, чтобы задавать по ним конкретные вопросы.
🎨
Imagen 3
Генерация фотореалистичных изображений прямо в чате по текстовому описанию.
🆓
Бесплатно
Мощные функции доступны без платных подписок и сложных настроек API.
Денежный фокус
Извлечение данных из картинок и PDF — это готовая фриланс-услуга. Анализ конкурентов, оцифровка чеков, создание описаний товаров по фото.
Теория

3 сценария визуального анализа

🔍
Reverse Engineering
Загружаете скриншот сайта конкурента. ИИ находит ошибки юзабилити и предлагает улучшения для конверсии.
🛍️
Товарные фото
Загружаете фото товара. ИИ пишет 5 цепляющих заголовков для маркетплейса на основе визуальных преимуществ.
📊
Оцифровка данных
Фото графика, таблицы или чека превращается в аккуратную Markdown-таблицу с аналитикой.
Правило хорошего визуального промпта
1. Дайте роль (дизайнер, бухгалтер). 2. Укажите фокус ("смотри на правый верхний угол"). 3. Требуйте формат вывода (таблица, список).
🛠 Практика 1

Задание: "Детектив данных"

Подготовка
Найдите или сделайте скриншот: сайт, график, чек или фото товара.
Загрузка в Gemini
Откройте gemini.google.com. Нажмите «+» или скрепку. Загрузите изображение.
Визуальный допрос
Напишите промпт. Заставьте ИИ дать не общие фразы, а конкретные выводы на основе именно ЭТОЙ картинки.
Ты — Senior UX/UI дизайнер. Проанализируй этот скриншот. ЗАДАЧА: - Выпиши цветовую палитру (hex-коды, если возможно). - Оцени визуальную иерархию: что пользователь видит первым? - Найди 2 ошибки в юзабилити. - Предложи 3 изменения для увеличения конверсии. ФОРМАТ: Ответ дай в виде таблицы: 'Проблема' | 'Решение' | 'Ожидаемый эффект'.
Теория

Разговор с документами (PDF)

Бизнес живет в документах. Бесплатный Gemini позволяет загружать PDF и "беседовать" с ними, экономя часы чтения.

Для аналитиков
"Сделай саммари этого 50-страничного отчета. Выдели 5 главных трендов и 3 прогноза с указанием страниц".
Для юристов/фрилансеров
"Найди в этом договоре все пункты, где упоминается штраф или неустойка, и выпиши их дословно".
⚠️ Лимиты бесплатной версии
Ограничение на размер файла (~20 МБ). На очень мелких таблицах внутри PDF ИИ может ошибаться. Всегда просите его указывать номер страницы или цитату для проверки.
🛠 Практика 2

Задание: "Разговор с документом"

Загрузка файла
Возьмите PDF из чата (или свой учебный/рабочий файл). Загрузите через скрепку в Gemini.
Вопрос 1: Общее резюме
"Сделай краткое резюме этого документа в 5 буллитах. Для кого этот документ?"
Вопрос 2: Детальный поиск
"Найди информацию о [конкретная деталь, например, 'ценах' или 'рисках'] и представь её в виде таблицы с номерами страниц".
Вопрос 3: Творческий вывод
"На основе данных из этого PDF, напиши продающий пост для Telegram, который заставит людей захотеть узнать об этом больше".
Теория

Генерация изображений: Imagen 3

Встроенная модель генерации. Не нужен Discord или сложные сайты. Отлично понимает сложные, многосоставные промпты на естественном языке.

Формула идеального промпта для картинки: [Субъект] + [Действие/Контекст] + [Стиль/Материал] + [Освещение/Камера] ПРИМЕР: Фотореалистичное изображение уютной кофейни в стиле лофт, утренний солнечный свет падает через большое окно на деревянный стол, на столе стоит дымящаяся кружка кофе
и открытый ноутбук. Кинематографичное освещение, высокая детализация, 8k.
Нюанс бесплатной версии
На изображениях может быть незаметный водяной знак SynthID. Есть дневные лимиты на генерацию. Если ИИ отказывается генерировать известных людей или бренды, сделайте промпт более абстрактным.
🛠 Практика 3

Задание: "Визуальный брейншторм"

Придумайте концепт
Выберите выдуманный бренд или свой проект. Сформулируйте детальное описание желаемой картинки.
Генерация и итерация
Сгенерируйте 2-3 варианта. Если результат не идеален, используйте уточнение: "Сделай то же самое, но добавь на стол красную кружку и измени освещение на вечернее".
Сохранение
Скачайте лучший вариант. Это ваш визуальный референс.
Итоги

Что мы сегодня освоили

  • Визуальный анализ: Превращаем скриншоты и фото в структурированные данные, аудит и идеи.
  • Анализ PDF: Извлекаем суть и конкретные данные из длинных документов за секунды, экономя часы чтения.
  • Генерация изображений: Создаем фотореалистичные референсы прямо в чате по текстовому описанию.
Денежный фокус
Эти 3 навыка можно продавать как микро-услуги: "Анализ конкурентов по скриншотам", "Саммари PDF-отчетов", "Создание визуальных концепций".
Домашнее задание

Закрепление навыка

Найдите "плохой" скриншот
Скриншот сайта или рекламы, которая вам не нравится или выглядит хаотично.
Проведите AI-аудит
Загрузите в Gemini и с помощью промпта заставьте ИИ провести жесткий анализ и предложить 3 конкретных улучшения.
Сгенерируйте решение
Создайте в Gemini изображение, которое иллюстрирует исправленный, идеальный вариант этого продукта/сайта.
Что сдать
1 скриншот исходной картинки + 1 скриншот промпта и ответа ИИ (аудит) + 1 сгенерированная картинка "идеала".
1 / 11