Google Cloud Vision

Google Cloud Vision bietet vortrainierte Funktionen zur Bildanalyse über eine API. Du sendest ein Bild und erhältst Beschreibungen seines Inhalts, erkannte Objekte samt Positionen, gedruckten oder handschriftlichen Text, Sehenswürdigkeiten und Logos. Die API erkennt Gesichter und Emotionen, ohne Personen zu identifizieren, und kann mit SafeSearch explizite Inhalte markieren. Sie verarbeitet einzelne Bilder und Stapel, einschließlich gescannter Dokumente.

Typische Anwendungen sind das Indexieren von Fotosammlungen, das Extrahieren von Text aus Belegen und Schildern, die Moderation hochgeladener Bilder und die bildbasierte Suche. Für spezialisierte Aufgaben bietet Google weitere Produkte: Document AI für Formulare und Vertex AI für eigene Modelle sowie neuere multimodale Gemini-Modelle, die Bilder ausführlicher beschreiben und interpretieren können. Produktsuchfunktionen helfen Händler:innen, Fotos mit Katalogen abzugleichen.

Der Preis richtet sich nach der Zahl der Bilder und den verwendeten Funktionen; ein monatliches Freikontingent ist verfügbar. Die klassische API ist einfach, aber weniger flexibel als multimodale Modelle. Für Aufgaben, die echtes Verständnis erfordern, greifen Entwickler:innen zunehmend zu Gemini. Gesichtserkennung wirft Datenschutzfragen auf. Alternativen sind Amazon Rekognition, Azure AI Vision, Clarifai und Open-Source-Modelle. Google Cloud Vision eignet sich für Entwickler:innen, die einen unkomplizierten, skalierbaren Bildanalysedienst benötigen.