Google Gemma

OpenRouter経由で、視覚機能を備えたGoogleのGemmaモデルを実行します。

画像機能を備えたGoogleのGemmaモデルに質問します。

任意のテキストプロンプトまたは事前定義済みのものを指定できます。このブロックは次の種類のプロンプトをサポートしています:

• オープンプロンプト (制約なし) - 任意のプロンプトを使用して、生の応答を生成します

• テキスト認識（OCR） (ocr) - モデルが画像内のテキストを認識します

• 視覚的質問応答 (visual-question-answering) - モデルがプロンプトで送信された質問に答えます

• キャプション生成（短い） (caption) - モデルが画像の短い説明を提供します

• キャプション生成 (detailed-caption) - モデルが画像の長い説明を提供します

• 単一ラベル分類 (classification) - モデルが画像内容を、提供されたクラスのいずれか1つとして分類します

• 複数ラベル分類 (multi-label-classification) - モデルが画像内容を、提供されたクラスの1つまたは複数として分類します

• プロンプトなしオブジェクト検出 (object-detection) - モデルが画像内の目立つオブジェクトを検出し、バウンディングボックスを返します

• 構造化出力生成 (structured-answering) - モデルが指定されたフィールドを持つ JSON 応答を返します

🛠️ APIプロバイダーとモデルのバリエーション

Gemma は以下を通じて公開されます OpenRouter。デフォルトでは、このブロックは次を使用します Roboflow管理のOpenRouterキー を使用し、Roboflowクレジットに課金されます。追加設定は不要です。Roboflowの請求を回避するには、独自の sk-or-... キーを api_key フィールドに入力してください。

この privacy_level フィールドは、どのOpenRouterプロバイダーがリクエストを処理できるかを制御します：

• データ収集なし （デフォルト） – プロバイダーはあなたの入力を学習に使用できません。

• データ収集を許可 – 入力で学習するプロバイダーを含む、より広いプロバイダープール。

• データ保持ゼロ – 最も厳格で、何も保持しないプロバイダーに制限されます。

💡 参考情報と利用規定

モデルライセンス

以下を確認してください Gemma 利用規約 を使用する前に。

型識別子

ステップで次の識別子を使用してください "type" フィールド： roboflow_core/google_gemma@v2 ワークフローにこのブロックをステップとして追加するには。

プロパティ

名前	型	説明	参照
name	str	このステップの一意の識別子を入力してください。	❌
api_key	str	OpenRouter APIキー。デフォルトではRoboflowの管理キーが使用され、Roboflow経由でクレジット課金されます。独自の sk-or-... キーを使用すると、Roboflowの請求なしでOpenRouterを直接呼び出せます。	✅
privacy_level	str	プロバイダーのプライバシーフィルター。より厳しいレベルではプロバイダーの範囲が狭まり、管理キーでの1回あたりのコストが増える場合があります。	❌
max_tokens	整数	モデルが応答で生成できる最大トークン数。	❌
temperature	float	モデルからサンプリングするための温度。値の範囲は 0.0〜2.0 で、高いほど生成結果はよりランダム／「創造的」になります。。	✅
max_concurrent_requests	整数	画像バッチに対する同時リクエスト数。指定がない場合、このブロックはWorkflows Execution Engineでグローバルに設定された値をデフォルトで使用します。レート制限に達する場合は制限してください。	❌
task_type	str	モデルによって実行されるタスクの種類。値によって必要なパラメータと出力応答が決まります。。	❌
プロンプト	str	Gemma モデルへのテキストプロンプト。	✅
output_structure	Dict[str, str]	期待される JSON 応答の構造を持つ辞書。	❌
classes	List[str]	使用するクラスのリスト。	✅
model_version	str	使用するモデル。	✅

この 参照 列は、で利用可能な動的値を使ってプロパティをパラメータ化できる可能性を示します ワークフロー 実行時。参照 バインディング 詳細は。

ランタイム互換性

requires_internet - エアギャップ／オフライン環境: このブロックは、完全にオフライン／エアギャップ環境から到達できないサービスに依存しています。

入力と出力のバインディング

利用可能な接続は、そのバインディング種別によって異なります。どのバインディング種別が Google Gemma のバージョン v2 あるか確認してください。

入力と出力のバインディング

• 入力

  • api_key (Union[ROBOFLOW_MANAGED_KEY, secret, string]）：OpenRouter APIキー。デフォルトではRoboflowの管理キーが使用され、Roboflow経由でクレジット課金されます。独自の sk-or-... キーを使用すると、Roboflowの請求なしでOpenRouterを直接呼び出せます。

  • temperature (float)：モデルからサンプリングするための温度。値の範囲は 0.0〜2.0 で、高いほど生成結果はよりランダム／「創造的」になります。。

  • images (image): 推論対象の画像です..

  • プロンプト (string): Gemma モデルへのテキストプロンプト。

  • classes (list_of_values)：使用するクラスのリスト。

  • model_version (string)：使用するモデル。

• 出力

  • 出力 (Union[string, language_model_output])：の文字列値 string または LLM / VLM の出力（条件が language_model_output.

  • classes (list_of_values)：任意の型の値のリスト。

JSON 定義の例

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/google_gemma@v2",
	    "api_key": "rf_key:account",
	    "privacy_level": "<block_does_not_provide_example>",
	    "max_tokens": "<block_does_not_provide_example>",
	    "temperature": "<block_does_not_provide_example>",
	    "max_concurrent_requests": "<block_does_not_provide_example>",
	    "images": "$inputs.image",
	    "task_type": "<block_does_not_provide_example>",
	    "prompt": "my prompt",
	    "output_structure": {
	        "my_key": "description"
	    },
	    "classes": [
	        "class-a",
	        "class-b"
	    ],
	    "model_version": "Gemma 4 31B - OpenRouter"
	}