PythonとOpenAI APIを使った画像説明ツールの作成
はじめに
こんにちは、王です。
約2か月前から Python の学習を始め、最近 OpenAI の API を利用する機会があったため、
両者を組み合わせて簡単なデモツールを作成してみました。
今回は、その概要と実装内容について簡単にまとめます。
作成したものについて
Python と OpenAI API を利用し、
画像を入力すると、その内容を日本語で説明するツールを作成しました。
主に以下の情報を自動生成できます。
- 画像の内容説明
- タイトル
- 関連タグ
- 利用シーンの提案（SNS / EC など）
技術構成
今回使用した技術要素は以下の通りです。
- Python
- OpenAI API
- 画像入力
- プロンプトによる指示文
OpenAI の API Key は公式サイトから取得可能で、
API の利用方法やサンプルコード、開発ドキュメントも充実しています。
実装概要
コードは事前に GitHub にアップロードしています。
詳細な実装については、そちらをご参照ください。
https://github.com/Wang-Yuyao/pythonExercise
実装手順としては、以下の流れになります。
- OpenAI の Python パッケージをインストール
- 画像ファイルを base64 形式に変換
- 画像とプロンプトを OpenAI API に送信
- API から返却されたレスポンスを出力
作成したデモパターン
今回の画像分析デモでは、以下の 4つのパターン を作成しました。
- 単一画像の分析
- 複数画像の一括分析
- SNS / EC 向け文章生成
- アクセシビリティ支援（視覚障害者向け画像説明）
それぞれの用途に応じて、プロンプトを個別に作成しています。
実行結果について
実際に実行すると、
事前に設定したプロンプトに基づいた内容が出力されます。
-
下記のような画像を用意しました。
-
画像のアドレスをプログラムに入力すること。
-
API から返ってきたレスポンスをそのまま出力する
プロンプトの書き方によって、
出力結果の粒度や表現が変わる点が印象的でした。
取り組んでみた感想
非常にシンプルなツールではありますが、
今回学習した Python と AI を組み合わせて、
実際に動くものを作ることができました。
Python 学習のアウトプットとして、
またマルチモーダル AI の理解を深めるきっかけになったと感じています。
今後やりたいこと
今後は以下のような点にも取り組んでみたいと考えています。
- Web UI（Streamlit 等）での可視化
- 出力フォーマットの整理
おわりに
今回はPython や AI 活用に興味を持つきっかけになれば幸いです。
最後までお読みいただき、ありがとうございました。