GSP1275

簡介

世界各地的作曲家和表演者主要以樂譜的形式標記音樂，內含歌詞、音高、節奏、作曲者、作詞者、作曲日期等資訊。在這個實驗室，您會瞭解如何使用 Gemini，從樂譜 PDF 擷取結構化中繼資料。

Gemini

Gemini 是由 Google DeepMind 開發的一系列強大生成式 AI 模型，可以解讀及生成文字、程式碼、圖像、音訊和影片等多種形式的內容。

在 Vertex AI 使用 Gemini API

Vertex AI 中的 Gemini API 提供統一的介面，讓開發人員輕鬆與 Gemini 模型互動，將強大的 AI 功能整合至自家應用程式。如要瞭解最新資訊和最新版本的特定功能，請參閱官方的 Gemini 說明文件。

Gemini 模型

• Gemini Pro：適用於下列複雜的推論作業：
  • 分析及總結大量資訊。
  • 進行精細的跨模態 (文字、程式碼、圖像等) 推論。
  • 運用內容豐富的程式碼集有效解決問題。
• Gemini Flash：速度和效率最優異，具備下列優勢：
  • 回覆時間不到一秒，處理量高。
  • 品質高、費用較為低廉，適合各種工作。
  • 具備經過強化的多模態功能，包括更強大的空間理解能力、新的輸出模態 (文字、音訊、圖像)，並能使用原生工具，例如使用 Google 搜尋，以及執行程式碼和第三方函式。

事前準備

開始這個實驗室之前，您應已熟悉下列概念：

• 基本 Python 程式設計。
• 一般 API 概念。
• 在 Vertex AI Workbench 使用 Jupyter 筆記本執行 Python 程式碼。

目標

這個實驗室的內容如下：

• 安裝 Vertex AI SDK for Python。
• 運用 Gemini 從樂譜 PDF 擷取中繼資料。

設定和需求

瞭解以下事項後，再點選「Start Lab」按鈕

請詳閱以下操作說明。實驗室活動會計時，且中途無法暫停。點選「Start Lab」後就會開始計時，顯示可使用 Google Cloud 資源的時間。

您將在真正的雲端環境完成實作實驗室活動，而不是模擬或示範環境。為此，我們會提供新的暫時憑證，供您在實驗室活動期間登入及存取 Google Cloud。

為了順利完成這個實驗室，請先確認：

• 可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意事項：請使用無痕模式 (建議選項) 或私密瀏覽視窗執行此實驗室，這可以防止個人帳戶和學員帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成實驗室活動了！別忘了，活動一旦開始將無法暫停。

注意事項：務必使用實驗室專用的學員帳戶。如果使用其他 Google Cloud 帳戶，可能會產生額外費用。

如何開始研究室及登入 Google Cloud 控制台

1. 點選「Start Lab」按鈕。如果實驗室會產生費用，畫面上會出現選擇付款方式的對話方塊。左側的「Lab Details」窗格會顯示下列項目：

   • 「Open Google Cloud console」按鈕
   • 剩餘時間
   • 必須在這個研究室中使用的臨時憑證
   • 完成這個實驗室所需的其他資訊 (如有)

2. 點選「Open Google Cloud console」；如果使用 Chrome 瀏覽器，也能按一下滑鼠右鍵，選取「在無痕視窗中開啟連結」。

   接著，實驗室會啟動相關資源，並開啟另一個分頁，顯示「登入」頁面。

   提示：您可以在不同的視窗中並排開啟分頁。

   注意：如果頁面中顯示「選擇帳戶」對話方塊，請點選「使用其他帳戶」。

3. 如有必要，請將下方的 Username 貼到「登入」對話方塊。

   {{{user_0.username | "Username"}}}

   您也可以在「Lab Details」窗格找到 Username。

4. 點選「下一步」。

5. 複製下方的 Password，並貼到「歡迎使用」對話方塊。

   {{{user_0.password | "Password"}}}

   您也可以在「Lab Details」窗格找到 Password。

6. 點選「下一步」。

   重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：如果使用自己的 Google Cloud 帳戶來進行這個實驗室，可能會產生額外費用。

7. 按過後續的所有頁面：

   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Google Cloud 控制台稍後會在這個分頁開啟。

注意：如要使用 Google Cloud 產品和服務，請點選「導覽選單」，或在「搜尋」欄位輸入服務或產品名稱。

工作 1：開啟 Vertex AI Workbench 中的筆記本

1. 前往 Google Cloud 控制台，依序點按「導覽選單」圖示 >「Vertex AI」>「Workbench」。

2. 找出 執行個體，點按「Open JupyterLab」按鈕。

Workbench 執行個體的 JupyterLab 介面會在新瀏覽器分頁中開啟。

工作 2：設定筆記本

1. 開啟 檔案。

2. 出現「Select Kernel」對話方塊時，從可用核心清單中選取「Python 3」。

3. 完成筆記本的「Getting Started」和「Import libraries」部分。

   • 「專案 ID」請使用 ，「位置」則請使用 。

注意事項：您可以略過標有「Colab only」字樣的筆記本儲存格。如果執行筆記本儲存格後出現 429 回應，稍候 1 分鐘再重新執行儲存格，應該就能繼續操作。

點選「Check my progress」，確認目標已達成。 安裝套件並匯入程式庫。

點選「Check my progress」，確認目標已達成。 載入 Gemini 模型。

工作 3：從樂譜 PDF 擷取結構化中繼資料

在這個部分，您會使用熱門的古典音樂書籍《24 Italian Songs and Arias of the 17th and 18th Centuries》，並擷取當中個別歌曲的中繼資料。

點選「Check my progress」，確認目標已達成。 從樂譜 PDF 擷取結構化中繼資料。

運用音訊辨識歌曲

接著試試看難度較高的操作，依據樂譜辨識正在演奏的歌曲。我們提供一段音訊，由 Holt Skinner 表演書中的其中一首歌曲，您要請 Gemini 按照樂譜 PDF 辨識出是哪首歌曲。

1. 請完整執行筆記本的運用音訊辨識歌曲部分。

點選「Check my progress」，確認目標已達成。 運用音訊辨識歌曲。

編輯 PDF 中繼資料

接著，您會參考 Gemini 的輸出內容，編輯某首歌曲 PDF 的中繼資料，以便更輕鬆地在樂譜應用程式管理該檔案。

您會稍微調整提示並設定 response_mime_type，藉此取得 JSON 格式的回覆。

1. 請完整執行筆記本的編輯 PDF 中繼資料部分。

點選「Check my progress」，確認目標已達成。 編輯 PDF 中繼資料。

恭喜！

恭喜！您已完成這個實驗室，瞭解如何運用 Gemini，從樂譜 PDF 擷取結構化中繼資料。

後續行動/瞭解詳情

歡迎參考下列資源，進一步瞭解 Gemini：

• Gemini 簡介
• Vertex AI 生成式 AI 說明文件
• 透過 YouTube 瞭解生成式 AI
• 探索 Vertex AI 教戰手冊，瀏覽及搜尋眾多精心挑選的生成式 AI 筆記本。
• 前往 Google Cloud 生成式 AI 存放區，查看其他筆記本和範例。

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2025 年 3 月 20 日

實驗室上次測試日期：2025 年 5 月 20 日

Copyright 2025 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。