Geminiに画像を読み込ませて中身を聞く

ざっくり言うと

イメージ

同じことを文字だけで伝えようとすると、けっこう大変ですよね。「白いポットで、側面のシールに英数字が並んでいて…」と打ち込むことになりますが、画像を1枚渡せば、この説明はまるごと省けます。

さらに、その1枚を撮って送る手間さえ省ける場面もあるんです。スマホのGemini Liveなら、カメラを向けたまま声で聞けます。撮って、アプリを開いて、添付して、質問を打つ。この往復が、かざして話すだけに変わります。

正確には

Googleの公式ヘルプによると、GoogleアカウントでログインしたGemini Appsには、いろいろな種類のファイルを渡せます。ドキュメント・スプレッドシート・写真・動画などです。渡したファイルについて、回答・要約・分析を受け取れます。ただし、渡せる種類・数・容量には制限があります。

画像を渡す手順

公式ヘルプに載っている渡し方は、次のとおりです。

• PCの場合
  gemini.google.comの入力欄の下にある「Add files / ファイルを追加」から選ぶ、またはドラッグ&ドロップ
• スマホアプリの場合
  入力欄の「+ アイコン」（またはクリップアイコン）から「画像をアップロード」「写真を撮る」などを選ぶ

1回のプロンプト（AIへ送る指示文）に、ファイルを複数まとめて添付することもできます。請求書を3枚いっしょに渡して、支払期日を一覧にしてもらう、といった頼み方ができます。

なお、渡せるファイル数や容量、対応形式は、時期や提供地域で変わります。今の上限は、記事の最後の「参考ソース」の公式ページで確かめてください。

撮って送らずに、映しながら聞く

Googleの公式ブログによると、Gemini Liveにはカメラ共有があります。スマホのカメラで映したものを見せながら、そのまま会話できる機能です。スマホの画面そのものを見せて操作を相談できる、画面共有もあります。

カメラを向けたものに画面上で印をつけて教えてくれる、というアップデートも行われています。

公式ブログでは、動かない家電をカメラで映して、原因を一緒に考えてもらう使い方が紹介されています。オフィスなら、エラーが出たままの複合機を映して相談する場面が近いです。

Liveが使えるのは、Geminiのモバイルアプリ（AndroidとiPhone / iPad）です。パソコンでは、Gemini in Chromeにオプトイン（自分から使うと申し込む設定）した人が、Chrome上で使えます。こちらは使える人を少しずつ増やしている途中です。

ネットで拾った画像が本物かを確かめる

メールやSNSで回ってきた画像を見て、AIが作ったものかなと気になることがあります。Geminiには、それを調べる確認機能が用意されています。

Googleの公式ヘルプによると、アップロードした画像などに「SynthID」があるかを調べられます。GoogleのAIが付ける、目に見えない電子透かしのことです。調べたいときは、その画像を添付して「これはAIで作られた画像？」と聞いてみてください。

ただし、SynthIDが見つからなくても、人が作った画像だとは断定できません。他社のAIで作られた可能性もあります。Content Credentials（画像の由来や編集履歴の記録）が付いていれば、その内容も表示されます。

読み取るだけでなく、直してもらうこともできる

Googleの公式ブログによると、Geminiアプリにはアップロードした画像をAIで編集する機能もあります。背景を変える、写っているものを足す、いらないものを消す。こうした編集を、会話のなかで頼めます。

注意点

写り込みを先に確かめる

画像を渡す前に、「この1枚から何が分かってしまうか」を一度だけ考えてください。机に広げたメモ、届いた郵便物、パソコン画面の通知。自分では意識していないものが、いっしょに写ります。

必要なら、渡す前にトリミングしたり、名前や番号を塗りつぶしたりしましょう。カメラで映しながら聞くときは、写る範囲がもっと広がります。オフィスでLiveを使うなら、背後のホワイトボードや同僚の机が入らない向きで構えてください。

読み取った文字は、元の画像と見比べる

文字や数字の読み取りは、まれに間違います。手書きの字、かすれた印刷、斜めに撮れた写真で起こりやすいです。請求金額・口座番号・取引先名のように、間違えると困るものは、必ず元の画像と見比べてください。

聞くときに「読めない部分は推測しないで」「不確かなところは不明と書いて」と添えておくと、あやしい箇所が分かりやすくなります。

やってみよう

そのままコピーして使える、聞き方の例4つ

パターン1：備品の型番を調べる

プリンターやシュレッダーの側面にある、型番シールを1枚撮ります。

この写真に写っている機器の型番を読み取って。読めなかった文字は[？]と書いて。

小さくて読みにくい英数字も、文字にして返してくれます。型番が分かったら、メーカーの公式サイトの消耗品ページで、対応する品番を確かめましょう。

パターン2：掲示物を書き起こす

休憩室の壁に貼られた案内や、回覧板の紙を撮ります。

この貼り紙の内容を文字起こしして。日時・場所・持ち物・締め切りが分かるように箇条書きに整えて。

たとえば「9月1日（火）10時、3階会議室、印鑑を持参」のように整理されます。紙を見ながら手で打ち直す手間が、そのまま減ります。出てきた予定は、Googleカレンダーへ自分で登録しておくと取りこぼしません。

パターン3：請求書を一覧にする

届いた紙の請求書を、まっすぐ上から撮ります。

この請求書から、請求元・件名・税込金額・支払期日を読み取って。表の形で出して。

出てきた表をコピーして、Googleスプレッドシートへ貼り付ければ、支払い管理の表がすぐ作れます。金額と期日は、元の請求書と見比べてから使ってください。

パターン4：会議資料のグラフを読み解く

配布資料の棒グラフや折れ線グラフを、スクリーンショットで渡します。

このグラフが何を表しているか、専門用語を使わずに説明して。目立つ変化があれば3つまで挙げて。

縦軸と横軸が何を示しているか、全体としてどちらへ動いているか。そうしたところを言葉にしてくれます。数字が小さくて読みにくい図では、「この数値、合っている？」と聞き返しておくと安心です。

カメラで映しながら聞くときの手順

スマホのアプリなら、次の順で始められます。

1. Geminiアプリを開く
2. 入力欄の近くにあるLiveのアイコン（波形やマイクのマーク）をタップする
3. Live画面のカメラのアイコンをタップして、見せたいものへカメラを向ける
4. 「これ、どこを押せば動く？」のように、そのまま声で聞く

話し終わったら、Live画面の終了ボタン（×や「End」）をタップしてください。電話と同じで、押すまで会話は続いている扱いになります。

Liveを使う条件は、18歳以上で、Gemini Appsにログインしていることです。Androidでは最新のGoogleアプリも必要になります。

締めに

画像を1枚渡して、ふだんの言葉で聞く。それだけで、読み取りも要約も助言も返ってきます。

手が離せないときは、撮らずにカメラを向けたまま聞けます。まずは机の上のものを1枚撮るところから、気軽に試してみてください！