app.py

import os
import gradio as gr
from google import genai

# 設定 Google AI API 金鑰
client = genai.Client(api_key=os.getenv("GOOGLE_API_KEY"))

# 定義一個函數，用來載入 Gemini 模型並取得回應
def get_gemini_response(input, image):
    # 如果使用者輸入了文字，則使用文字和圖片一起生成回應
    if input != "":
        response = client.models.generate_content(
                    model="gemini-2.0-flash",
                    contents=[image, input]
                    )
    # 否則只使用圖片生成回應
    else:
        response = client.models.generate_content(
                    model="gemini-2.0-flash",
                    contents=[image, '說說這是什麼!']
                    )
    # 返回回應文字
    return response.text

# 使用 Gradio 建立一個介面
iface = gr.Interface(
    # 指定函數 `get_gemini_response` 作為介面的主函數
    fn=get_gemini_response,
    # 定義兩個輸入框：
    #   - `gr.Textbox`：輸入文字
    #   - `gr.Image`：上傳圖片
    inputs=[
        gr.Textbox(label="Enter your question here:"),
        gr.Image(label="Choose an image...", type="pil"),
    ],
    # 定義輸出框：
    #   - `gr.Textbox`：顯示模型生成的回應文字
    outputs=gr.Textbox(label="The response is"),
    # 設定介面的標題和說明文字
    title="Gemini Multimodal Bot",
    description="Ask Gemini questions about images! 上傳圖片並提出問題!",
)
# 啟動 Gradio 介面，並將分享設定為 `True`，方便分享連結
iface.launch()