Google Cloud Vision

Google Cloud Vision es un conjunto de funciones de análisis de imágenes preentrenadas disponibles mediante una API. Envías una imagen y puede devolver etiquetas que describen su contenido, detectar objetos y su ubicación, leer texto impreso y manuscrito, identificar lugares emblemáticos y logotipos, detectar caras y emociones sin identificar a las personas, y marcar contenido explícito con SafeSearch. Procesa imágenes sueltas y lotes, incluidos documentos escaneados.

Los usos típicos incluyen indexar bibliotecas de fotos, extraer texto de recibos y carteles, moderar imágenes subidas y habilitar la búsqueda por imagen. Google ofrece productos relacionados para necesidades más especializadas, como Document AI para formularios, Vertex AI para modelos personalizados y los modelos multimodales Gemini más recientes, que pueden describir imágenes y razonar sobre ellas con más detalle. Las funciones de búsqueda de productos ayudan a los comercios a relacionar fotos con catálogos.

El precio es por imagen y por función, con una cuota mensual gratuita. La API clásica es sencilla pero menos flexible que los modelos multimodales, y los desarrolladores eligen cada vez más Gemini para las tareas que exigen comprensión. La detección de caras plantea cuestiones de privacidad. Entre las alternativas están Amazon Rekognition, Azure AI Vision, Clarifai y modelos de código abierto. Google Cloud Vision sirve a desarrolladores que quieren un servicio de análisis de imágenes directo y escalable.