Gemini API による回答添削，画像理解（ソースコードと実行結果）

REM Python をシステム領域にインストール
winget install --scope machine --id Python.Python.3.12 -e --silent
REM Python のパス設定
set "PYTHON_PATH=C:\Program Files\Python312"
set "PYTHON_SCRIPTS_PATH=C:\Program Files\Python312\Scripts"
echo "%PATH%" | find /i "%PYTHON_PATH%" >nul
if errorlevel 1 setx PATH "%PATH%;%PYTHON_PATH%" /M >nul
echo "%PATH%" | find /i "%PYTHON_SCRIPTS_PATH%" >nul
if errorlevel 1 setx PATH "%PATH%;%PYTHON_SCRIPTS_PATH%" /M >nul

winget install --scope machine Codeium.Windsurf -e --silent

"""
プログラム名: Gemini API 画像解析ツール
特徴技術名: Google Gemini API (Gemini 2.5 Flash)
出典: Google AI Studio Documentation (2024). Gemini API. https://ai.google.dev/docs
特徴機能: マルチモーダル画像理解機能 - 画像とテキストを同時に理解し、画像の内容について詳細な説明、分析、質問への回答を生成
学習済みモデル: Gemini 2.5 Flash (クラウドAPI経由で使用、ダウンロード不要)
方式設計:
  - 関連利用技術:
    - LangChain（LCEL: Runnableを用いたパイプライン構成）
    - OpenCV（Webカメラからの画像キャプチャ）
    - Tkinter（GUIフレームワーク）
    - SpeechRecognition（Google Web Speech API（SpeechRecognitionのrecognize_google）による音声入力）
    - PIL/Pillow（画像のリサイズとプレビュー表示）
    - pillow-heif（HEIC/HEIFの読み込み対応）
  - 入力と出力: 入力: 静止画像（ファイル選択またはカメラ撮影）+ テキスト指示。出力: テキスト形式の解析結果（GUI表示・result.txtに保存）
  - 処理手順: 1.画像を長辺1600px以内に自動リサイズ、2.Base64エンコードとMIME判定、3.LCELでHumanMessage生成→Gemini API呼び出し→文字列化、4.GUI表示と履歴保存
  - 追加処理: プロンプトテンプレート機能（学習支援、シーン分析、場所別分析）
  - 調整パラメータ: temperature（0-2、現在0）
将来方策: temperatureの自動調整機能
その他の重要事項: APIキーは.envまたはGUI入力で設定。無料枠の制限あり
前準備:
  - pip install opencv-python pillow pillow-heif langchain-google-genai SpeechRecognition
"""

import tkinter as tk
from tkinter import ttk, filedialog, scrolledtext
import base64
import os
import cv2
from PIL import Image, ImageTk
from langchain_google_genai import ChatGoogleGenerativeAI
from langchain_core.messages import HumanMessage
from langchain_core.runnables import RunnableLambda
from langchain_core.output_parsers import StrOutputParser
import datetime
import threading
import speech_recognition as sr
import io

# HEIC/HEIF対応（pillow-heif）
try:
    from pillow_heif import register_heif_opener
    register_heif_opener()
except Exception as e:
    print(f'HEIC/HEIF読み込みサポートの初期化に失敗しました（pillow-heif未導入の可能性）: {str(e)}')

# 設定定数
# ウィンドウ設定
WINDOW_WIDTH = 800
WINDOW_HEIGHT = 700
PREVIEW_MAX_WIDTH = 250
PREVIEW_MAX_HEIGHT = 200
QUESTION_HEIGHT = 8
QUESTION_WIDTH = 40
RESULT_HEIGHT = 15
RESULT_WIDTH = 80
API_ENTRY_WIDTH = 50

# 画像処理設定
MAX_LONG_SIDE = 1600  # 送信前の最大長辺ピクセル

# ファイル設定
TEMP_IMAGE_FILE = 'temp_captured_image.jpg'
RESULT_FILE = 'result.txt'
ENV_FILE = '.env'

# 色設定（ボタンの背景色）
COLOR_PRIMARY = '#007bff'      # 青（学習支援）
COLOR_SECONDARY = '#6c757d'    # グレー（自由記入、使用方法）
COLOR_SUCCESS = '#28a745'      # 緑（画像選択）
COLOR_DANGER = '#dc3545'       # 赤（画像解析）
COLOR_WARNING = '#ffc107'      # 黄（音声入力）
COLOR_INFO = '#17a2b8'         # 水色（カメラ）
COLOR_PURPLE = '#9333ea'       # 紫（シーン分析）
COLOR_PINK = '#f43f5e'         # ピンク（場所別分析）

# ボタンの押下時の色
COLOR_PRIMARY_DARK = '#0056b3'
COLOR_SECONDARY_DARK = '#495057'
COLOR_PURPLE_DARK = '#a855f7'
COLOR_PINK_DARK = '#e11d48'

# API設定
TEMPERATURE = 0
MODEL_NAME = 'gemini-2.5-flash'  # 指示により現状のまま使用

# グローバル変数
api_key = ''
llm = None
chain = None
img_path = ''
root = None
api_key_var = None
img_path_var = None
img_path_label = None
image_label = None
q_text = None
r_text = None
v_button = None
v_status_var = None
progress = None
recognizer = None
microphone = None
hint_text = None
learning_button = None
free_button = None
scene_button = None
location_button = None

# .envファイルからAPIキー読み込み
if os.path.exists(ENV_FILE):
    try:
        with open(ENV_FILE, 'r', encoding='utf-8') as f:
            for line in f:
                line = line.strip()
                if line and not line.startswith('#'):
                    if line.startswith('GEMINI_API_KEY='):
                        api_key = line.split('=', 1)[1].strip()
    except Exception as e:
        print(f'.envファイルの読み込みに失敗しました: {str(e)}')

# 音声認識の初期化（Google Web Speech API / SpeechRecognition の recognize_google）
try:
    recognizer = sr.Recognizer()
    microphone = sr.Microphone()
except Exception as e:
    print(f'音声認識の初期化に失敗しました: {str(e)}')
    recognizer = None
    microphone = None

# プロンプト定義
prompt_learn = '''この画像は学習問題とその手書き解答を含んでいます。以下の観点で詳細に分析してください：

1. 解答の正確性: 正解・不正解の判定と根拠
2. 解答プロセス: 思考過程や解法の適切性
3. 表現・記述: 字の読みやすさ、図表の工夫など
4. 評価とフィードバック:
   - 良い点（具体的に褒める部分）
   - 改善点（1つの重要なアドバイス）
   - 理解度の推定
5. 教育的補足: 問題に関する解説や関連知識

学習者のモチベーション向上を重視し、建設的で温かい添削をお願いします。'''

prompt_scene = '''この画像を詳細に分析し、以下の観点で情報を提供してください：

1. 場所・シーンの特定: 画像に写っている場所やシーンの種類
2. 重要な情報: 標識、表示、文字情報など
3. 安全性の確認: 危険箇所、注意すべき点
4. 状態の評価: 設備や環境の状態
5. その他の観察事項: 特筆すべき点や気づいたこと

実用的で具体的な情報を提供してください。'''

prompt_location = '''この画像について、場所の種類（駅、空港、ショッピングモール、その他）を特定し、以下の観点で詳細に分析してください：

1. 場所の特定と基本情報:
   - 場所の種類（屋内/屋外、建物の種類、具体的な場所名）
   - プラットフォーム番号、ゲート番号、店舗名など場所固有の識別情報
   - 営業時間、運行情報などの時間に関する情報

2. 案内・方向情報:
   - 出口案内、階段、エスカレーター、エレベーターの位置
   - フロアガイド、施設配置図
   - 行き先表示、方向指示

3. 施設・サービス情報:
   - トイレ、売店、レストラン、休憩所などの位置
   - 特別なサービス（ラウンジ、免税店、コインロッカーなど）
   - バリアフリー設備

4. 重要な表示・告知:
   - 時刻表、フライト情報、セール情報
   - 注意事項、警告表示
   - イベント情報、臨時案内

5. 文字情報の翻訳と解説:
   - 看板、標識、標示に書かれている文字情報（英語表記は日本語に翻訳）
   - 時間帯、天候、混雑状況などの状況
   - その他の特徴的で有用な情報

必ず日本語で回答し、実用的な情報を提供してください。'''

# ヒントテキスト
hint_learn = '''【学習問題の添削機能】
本モードは学習問題と手書き解答の添削に適する。

【画像の準備】
・問題文と手書き解答が両方写る画像を使用
・文字が読み取りやすい解像度で撮影
・影や反射を避ける'''

hint_free = '枠に自由に記入できる。'

hint_scene = '''【シーン分析の撮影のコツ】
・全体が明瞭に写るように撮影
・標識や表示が読み取れる解像度を確保'''

hint_location = '''【場所別分析の撮影のコツ】
・案内板や標識を含めて撮影
・方向や位置関係が分かる構図で撮影'''

# ヒント更新
def update_hint(text):
    hint_text.config(state=tk.NORMAL)
    hint_text.delete('1.0', tk.END)
    hint_text.insert('1.0', text)
    hint_text.config(state=tk.DISABLED)

# プロンプトとボタン状態
def set_prompt(prompt_text, active_btn, active_color, hint):
    q_text.delete('1.0', tk.END)
    q_text.insert('1.0', prompt_text)
    buttons = [
        (learning_button, COLOR_PRIMARY),
        (free_button, COLOR_SECONDARY),
        (scene_button, COLOR_PURPLE),
        (location_button, COLOR_PINK)
    ]
    for btn, color in buttons:
        btn.config(relief=tk.RAISED, bg=color)
    active_btn.config(relief=tk.SUNKEN, bg=active_color)
    update_hint(hint)

# 画像の送信用前処理（長辺1600pxリサイズ、フォーマット別処理）
def prepare_image_bytes_for_api(path, max_long_side=MAX_LONG_SIDE):
    """
    画像を開き、必要に応じて長辺をmax_long_sideに収めて再エンコードし、バイト列とMIMEタイプを返す。
    対応拡張子: .jpg/.jpeg, .png, .webp, .heic, .heif
    HEIC/HEIFは読み込み後JPEGに変換して送信。
    """
    ext = os.path.splitext(path)[1].lower()
    allowed = {'.jpg', '.jpeg', '.png', '.webp', '.heic', '.heif'}
    if ext not in allowed:
        raise ValueError('サポートされていない画像形式である')
    im = Image.open(path)
    if max(im.size) > max_long_side:
        im.thumbnail((max_long_side, max_long_side), Image.Resampling.LANCZOS)
    if ext in ('.jpg', '.jpeg'):
        save_format, mime = 'JPEG', 'image/jpeg'
        if im.mode in ('RGBA', 'P'):
            im = im.convert('RGB')
    elif ext == '.png':
        save_format, mime = 'PNG', 'image/png'
    elif ext == '.webp':
        save_format, mime = 'WEBP', 'image/webp'
    elif ext in ('.heic', '.heif'):
        save_format, mime = 'JPEG', 'image/jpeg'
        if im.mode in ('RGBA', 'P'):
            im = im.convert('RGB')
    else:
        save_format, mime = 'JPEG', 'image/jpeg'
        if im.mode in ('RGBA', 'P'):
            im = im.convert('RGB')
    buf = io.BytesIO()
    im.save(buf, format=save_format)
    data = buf.getvalue()
    return data, mime

# LCEL: 入力辞書からHumanMessageを生成するRunnable
def build_human_message(inputs):
    return [
        HumanMessage(
            content=[
                {"type": "text", "text": inputs["question"]},
                {"type": "image_url", "image_url": {"url": inputs["image_data_url"]}}
            ]
        )
    ]

def build_chain():
    """LLM作成後にLCELのパイプラインを構築"""
    global chain
    if llm is None:
        chain = None
        return
    chain = RunnableLambda(build_human_message) | llm | StrOutputParser()

# APIキー設定処理
def set_api_key():
    """APIキーを設定し、LLMとLCELチェーンを初期化"""
    global api_key, llm
    api_key = api_key_var.get().strip()
    if not api_key:
        r_text.delete('1.0', tk.END)
        r_text.insert('1.0', 'APIキーが入力されていない。')
        return
    try:
        os.environ['GOOGLE_API_KEY'] = api_key
        llm = ChatGoogleGenerativeAI(
            model=MODEL_NAME,
            temperature=TEMPERATURE
        )
        build_chain()
        r_text.delete('1.0', tk.END)
        r_text.insert('1.0', 'APIキーが設定された。')
    except Exception as e:
        r_text.delete('1.0', tk.END)
        r_text.insert('1.0', f'APIキーの設定に失敗した: {str(e)}')

# カメラ撮影処理
def capture_from_camera():
    """Webカメラから画像を撮影"""
    global img_path
    try:
        # 指定の初期化手順（CAP_DSHOW → 通常Openのフォールバック）
        cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)
        if not cap.isOpened():
            cap = cv2.VideoCapture(0)
        if not cap.isOpened():
            r_text.delete('1.0', tk.END)
            r_text.insert('1.0', 'カメラを開けない。')
            return

        cap.set(cv2.CAP_PROP_BUFFERSIZE, 1)

        while True:
            # cap.grab() / cap.retrieve() の使用は現状のままとする
            cap.grab()
            ret, frame = cap.retrieve()
            if not ret:
                break
            cv2.imshow('Camera - Press SPACE to capture, Q to quit', frame)
            key = cv2.waitKey(1) & 0xFF
            if key == ord(' '):
                cv2.imwrite(TEMP_IMAGE_FILE, frame)
                img_path = TEMP_IMAGE_FILE
                img_path_var.set('撮影した画像')
                image = Image.open(TEMP_IMAGE_FILE)
                image.thumbnail((PREVIEW_MAX_WIDTH, PREVIEW_MAX_HEIGHT), Image.Resampling.LANCZOS)
                photo = ImageTk.PhotoImage(image)
                image_label.configure(image=photo, text='')
                image_label.image = photo
                break
            elif key == ord('q'):
                break
        cap.release()
        cv2.destroyAllWindows()
    except Exception as e:
        r_text.delete('1.0', tk.END)
        r_text.insert('1.0', f'カメラ撮影エラー: {str(e)}')

# 画像ファイル選択
def select_image():
    """画像ファイルを選択"""
    global img_path
    filetypes = [
        ('画像ファイル', '*.jpg *.jpeg *.png *.webp *.heic *.heif'),
        ('JPEG files', '*.jpg *.jpeg'),
        ('PNG files', '*.png'),
        ('WebP files', '*.webp'),
        ('HEIC files', '*.heic'),
        ('HEIF files', '*.heif'),
        ('すべてのファイル', '*.*')
    ]
    filename = filedialog.askopenfilename(
        title='画像ファイルを選択',
        filetypes=filetypes,
        initialdir=os.getcwd()
    )
    if filename:
        img_path = filename
        img_path_var.set(os.path.basename(filename))
        try:
            image = Image.open(filename)
            image.thumbnail((PREVIEW_MAX_WIDTH, PREVIEW_MAX_HEIGHT), Image.Resampling.LANCZOS)
            photo = ImageTk.PhotoImage(image)
            image_label.configure(image=photo, text='')
            image_label.image = photo
        except Exception as e:
            r_text.delete('1.0', tk.END)
            r_text.insert('1.0', f'画像の読み込みエラー: {str(e)}')

# プロンプト設定（個別）
def set_learning_support():
    set_prompt(prompt_learn, learning_button, COLOR_PRIMARY_DARK, hint_learn)

def set_free_input():
    set_prompt('', free_button, COLOR_SECONDARY_DARK, hint_free)

def set_scene_analysis():
    set_prompt(prompt_scene, scene_button, COLOR_PURPLE_DARK, hint_scene)

def set_location_analysis():
    set_prompt(prompt_location, location_button, COLOR_PINK_DARK, hint_location)

# 音声入力（別スレッド）
def voice_input_thread():
    """Google Web Speech API / SpeechRecognition の recognize_google を使用"""
    try:
        root.after(0, lambda: v_status_var.set('音声を聞いている...'))
        root.after(0, lambda: v_button.config(state='disabled'))
        with microphone as source:
            recognizer.adjust_for_ambient_noise(source, duration=1)
            audio = recognizer.listen(source, timeout=10)
        root.after(0, lambda: v_status_var.set('音声を認識中...'))
        text = recognizer.recognize_google(audio, language='ja-JP')
        root.after(0, lambda: q_text.delete('1.0', tk.END))
        root.after(0, lambda: q_text.insert('1.0', text))
        root.after(0, lambda: v_status_var.set('認識完了'))
    except sr.UnknownValueError:
        root.after(0, lambda: v_status_var.set('音声を認識できなかった'))
    except sr.RequestError as e:
        root.after(0, lambda: v_status_var.set(f'音声認識エラー: {str(e)}'))
    except sr.WaitTimeoutError:
        root.after(0, lambda: v_status_var.set('タイムアウト：音声が検出されなかった'))
    except Exception as e:
        root.after(0, lambda: v_status_var.set(f'エラー: {str(e)}'))
    finally:
        root.after(0, lambda: v_button.config(state='normal'))
        root.after(3000, lambda: v_status_var.set(''))

def voice_input():
    if not recognizer or not microphone:
        v_status_var.set('音声認識が利用できない')
        root.after(3000, lambda: v_status_var.set(''))
        return
    thread = threading.Thread(target=voice_input_thread)
    thread.daemon = True
    thread.start()

# 使用方法ガイド
def show_usage_guide():
    guide_window = tk.Toplevel(root)
    guide_window.title('使用方法ガイド')
    guide_window.geometry('700x600')
    guide_text = '''
Gemini API 画像解析ツール 使用ガイド

【初期設定】
1. パッケージのインストール
   - pip install opencv-python pillow pillow-heif langchain-google-genai SpeechRecognition

2. Google AI StudioでAPIキーを取得
   - https://aistudio.google.com/app/apikey

3. APIキーの設定
   - APIキー入力欄に貼り付けて「APIキー設定」

【画像の準備】
- 対応形式: JPEG, PNG, WEBP, HEIC, HEIF
- カメラ撮影: スペースで撮影、Qでキャンセル

【画像処理】
- 送信前に長辺1600px以内へ自動リサイズ

【入力】
- テキスト入力または音声入力（Google Web Speech API / recognize_google）

【解析結果】
- 画面表示とresult.txtへの保存（時刻付き履歴）
    '''
    text_widget = scrolledtext.ScrolledText(guide_window, wrap=tk.WORD, font=('Yu Gothic', 10))
    text_widget.pack(fill=tk.BOTH, expand=True, padx=10, pady=10)
    text_widget.insert(tk.END, guide_text)
    text_widget.config(state=tk.DISABLED)

# 画像解析
def analyze_image():
    """画像を解析し、結果を表示"""
    if llm is None:
        r_text.delete('1.0', tk.END)
        r_text.insert('1.0', 'APIキーが設定されていない。')
        return
    if not img_path:
        r_text.delete('1.0', tk.END)
        r_text.insert('1.0', '画像が選択されていない。')
        return
    question = q_text.get('1.0', tk.END).strip()
    if not question:
        r_text.delete('1.0', tk.END)
        r_text.insert('1.0', '質問・指示が入力されていない。')
        return
    if chain is None:
        build_chain()

    progress.start()
    r_text.delete('1.0', tk.END)
    r_text.insert('1.0', '解析中...')
    root.update()

    try:
        # 送信用画像を準備
        processed_bytes, mime_type = prepare_image_bytes_for_api(img_path, MAX_LONG_SIDE)
        encoded_image = base64.b64encode(processed_bytes).decode('utf-8')
        data_url = f'data:{mime_type};base64,{encoded_image}'

        # LCELチェーンで推論
        inputs = {"question": question, "image_data_url": data_url}
        response_text = chain.invoke(inputs)

        r_text.delete('1.0', tk.END)
        r_text.insert('1.0', response_text)

        # 履歴保存
        timestamp = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')
        history_entry = f'''
{'='*80}
解析日時: {timestamp}
画像ファイル: {os.path.basename(img_path)}
使用モデル: {MODEL_NAME}
{'='*80}
質問:
{question}
{'-'*80}
解析結果:
{response_text}
{'='*80}

'''
        with open(RESULT_FILE, 'a', encoding='utf-8') as f:
            f.write(history_entry)

    except Exception as e:
        r_text.delete('1.0', tk.END)
        r_text.insert('1.0', f'解析エラー: {str(e)}')

    progress.stop()

# ウィンドウ終了処理
def on_closing():
    current_result = r_text.get('1.0', tk.END).strip()
    if current_result and current_result != '解析中...':
        timestamp = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')
        session_end = f'''
{'='*80}
セッション終了: {timestamp}
{'='*80}

'''
        with open(RESULT_FILE, 'a', encoding='utf-8') as f:
            f.write(session_end)
    if os.path.exists(TEMP_IMAGE_FILE):
        try:
            os.remove(TEMP_IMAGE_FILE)
        except:
            pass
    root.destroy()

# GUI作成
root = tk.Tk()
root.title('Gemini API 画像解析ツール')
root.geometry(f'{WINDOW_WIDTH}x{WINDOW_HEIGHT}')
root.protocol('WM_DELETE_WINDOW', on_closing)

main_frame = ttk.Frame(root, padding='10')
main_frame.grid(row=0, column=0, sticky=(tk.W, tk.E, tk.N, tk.S))

# API設定
api_frame = ttk.LabelFrame(main_frame, text='API設定', padding='5')
api_frame.grid(row=0, column=0, columnspan=2, sticky=(tk.W, tk.E), pady=(0, 10))

ttk.Label(api_frame, text='Google API Key:', font=('Yu Gothic', 10)).grid(row=0, column=0, sticky=tk.W)
api_key_var = tk.StringVar()
if api_key:
    api_key_var.set(api_key)
api_entry = ttk.Entry(api_frame, textvariable=api_key_var, width=API_ENTRY_WIDTH, show='*', font=('Yu Gothic', 10))
api_entry.grid(row=0, column=1, padx=(5, 0), sticky=(tk.W, tk.E))

api_button = tk.Button(api_frame, text='APIキー設定', command=set_api_key,
                      bg=COLOR_PRIMARY, fg='white', font=('Yu Gothic', 10, 'bold'),
                      cursor='hand2')
api_button.grid(row=0, column=2, padx=(5, 0))

api_help_text = '''APIキー入手手順:
1. https://aistudio.google.com/app/apikey を開く
2. Googleアカウントにログイン
3. 'Get API key'→'Create API key'→'Create API key in new project'
4. 表示されたAPIキーをコピー'''
api_help_label = ttk.Label(api_frame, text=api_help_text, foreground='gray', font=('Yu Gothic', 9))
api_help_label.grid(row=1, column=0, columnspan=3, sticky=tk.W, pady=(5, 0))

# 画像選択
image_frame = ttk.LabelFrame(main_frame, text='画像選択', padding='5')
image_frame.grid(row=1, column=0, columnspan=2, sticky=(tk.W, tk.E), pady=(0, 10))

select_button = tk.Button(image_frame, text='画像ファイルを選択', command=select_image,
                         bg=COLOR_SUCCESS, fg='white', font=('Yu Gothic', 10, 'bold'),
                         cursor='hand2')
select_button.grid(row=0, column=0)

camera_button = tk.Button(image_frame, text='カメラで撮影', command=capture_from_camera,
                         bg=COLOR_INFO, fg='white', font=('Yu Gothic', 10, 'bold'),
                         cursor='hand2')
camera_button.grid(row=0, column=1, padx=(5, 0))

img_path_var = tk.StringVar()
img_path_label = ttk.Label(image_frame, textvariable=img_path_var, foreground='blue', font=('Yu Gothic', 10))
img_path_label.grid(row=1, column=0, columnspan=2, padx=(0, 0), sticky=tk.W)

# プレビュー
preview_frame = ttk.LabelFrame(main_frame, text='画像プレビュー', padding='5')
preview_frame.grid(row=2, column=0, sticky=(tk.W, tk.E, tk.N, tk.S), pady=(0, 10))
image_label = ttk.Label(preview_frame, text='画像が選択されていない', font=('Yu Gothic', 10))
image_label.grid(row=0, column=0)

# ヒント
hint_frame = ttk.LabelFrame(main_frame, text='使い方のヒント', padding='5')
hint_frame.grid(row=3, column=0, sticky=(tk.W, tk.E, tk.N, tk.S), pady=(0, 10))
hint_text = scrolledtext.ScrolledText(hint_frame, height=8, width=30, font=('Yu Gothic', 9), wrap=tk.WORD)
hint_text.grid(row=0, column=0, sticky=(tk.W, tk.E, tk.N, tk.S))

# 質問・指示
question_frame = ttk.LabelFrame(main_frame, text='質問・指示', padding='5')
question_frame.grid(row=2, column=1, rowspan=2, sticky=(tk.W, tk.E, tk.N, tk.S), pady=(0, 10), padx=(10, 0))

prompt_button_frame = ttk.Frame(question_frame)
prompt_button_frame.grid(row=0, column=0, pady=(0, 5), sticky=(tk.W, tk.E))

learning_button = tk.Button(prompt_button_frame, text='学習支援', command=set_learning_support,
                           bg=COLOR_PRIMARY, fg='white', font=('Yu Gothic', 10, 'bold'),
                           cursor='hand2', relief=tk.SUNKEN)
learning_button.pack(side=tk.LEFT, padx=(0, 5))

free_button = tk.Button(prompt_button_frame, text='自由記入', command=set_free_input,
                       bg=COLOR_SECONDARY, fg='white', font=('Yu Gothic', 10, 'bold'),
                       cursor='hand2', relief=tk.RAISED)
free_button.pack(side=tk.LEFT, padx=(0, 5))

scene_button = tk.Button(prompt_button_frame, text='シーン分析', command=set_scene_analysis,
                        bg=COLOR_PURPLE, fg='white', font=('Yu Gothic', 10, 'bold'),
                        cursor='hand2', relief=tk.RAISED)
scene_button.pack(side=tk.LEFT, padx=(0, 5))

location_button = tk.Button(prompt_button_frame, text='場所別分析', command=set_location_analysis,
                           bg=COLOR_PINK, fg='white', font=('Yu Gothic', 10, 'bold'),
                           cursor='hand2', relief=tk.RAISED)
location_button.pack(side=tk.LEFT)

q_text = scrolledtext.ScrolledText(question_frame, height=QUESTION_HEIGHT, width=QUESTION_WIDTH, font=('Yu Gothic', 10))
q_text.grid(row=1, column=0, sticky=(tk.W, tk.E, tk.N, tk.S))
q_text.insert('1.0', prompt_learn)

button_frame = ttk.Frame(question_frame)
button_frame.grid(row=2, column=0, pady=(5, 0), sticky=(tk.W, tk.E))

analyze_button = tk.Button(button_frame, text='画像を解析', command=analyze_image,
                          bg=COLOR_DANGER, fg='white', font=('Yu Gothic', 10, 'bold'),
                          cursor='hand2')
analyze_button.pack(side=tk.LEFT, padx=(0, 5))

v_button = tk.Button(button_frame, text='音声入力', command=voice_input,
                    bg=COLOR_WARNING, fg='black', font=('Yu Gothic', 10, 'bold'),
                    cursor='hand2')
v_button.pack(side=tk.LEFT)

guide_button = tk.Button(button_frame, text='使用方法', command=show_usage_guide,
                        bg=COLOR_SECONDARY, fg='white', font=('Yu Gothic', 10, 'bold'),
                        cursor='hand2')
guide_button.pack(side=tk.LEFT, padx=(5, 0))

v_status_var = tk.StringVar()
v_status_label = ttk.Label(button_frame, textvariable=v_status_var, foreground='green', font=('Yu Gothic', 10))
v_status_label.pack(side=tk.LEFT, padx=(10, 0))

# 解析結果
result_frame = ttk.LabelFrame(main_frame, text='解析結果', padding='5')
result_frame.grid(row=4, column=0, columnspan=2, sticky=(tk.W, tk.E, tk.N, tk.S), pady=(10, 0))
r_text = scrolledtext.ScrolledText(result_frame, height=RESULT_HEIGHT, width=RESULT_WIDTH, font=('Yu Gothic', 10))
r_text.grid(row=0, column=0, sticky=(tk.W, tk.E, tk.N, tk.S))

progress = ttk.Progressbar(main_frame, mode='indeterminate')
progress.grid(row=5, column=0, columnspan=2, sticky=(tk.W, tk.E), pady=(5, 0))

# 注意書き
notice_label = ttk.Label(main_frame,
                        text='※ このツールは学習サポートが目的である。最終的な理解は自分で確認すること。',
                        foreground='#666666',
                        font=('Yu Gothic', 9))
notice_label.grid(row=6, column=0, columnspan=2, pady=(5, 0))

# グリッド設定
main_frame.columnconfigure(0, weight=1)
main_frame.columnconfigure(1, weight=1)
main_frame.rowconfigure(2, weight=1)
main_frame.rowconfigure(3, weight=1)
main_frame.rowconfigure(4, weight=2)
api_frame.columnconfigure(1, weight=1)
result_frame.columnconfigure(0, weight=1)
result_frame.rowconfigure(0, weight=1)
question_frame.columnconfigure(0, weight=1)
question_frame.rowconfigure(1, weight=1)
hint_frame.columnconfigure(0, weight=1)
hint_frame.rowconfigure(0, weight=1)
root.columnconfigure(0, weight=1)
root.rowconfigure(0, weight=1)

# APIキー自動設定
if api_key:
    set_api_key()

# 初期ヒント表示
update_hint(hint_learn)

# 使用方法表示（標準出力）
env_status = ''
if api_key:
    env_status = '\n※.envファイルからAPIキーが自動読み込みされた'
print('Gemini API 画像解析ツール')
print('1. Google AI StudioでAPIキーを取得する')
print('2. APIキーを入力して「APIキー設定」をクリック')
print('   (.envにGEMINI_API_KEY=を設定すると自動読み込み)')
print('3. 画像を選択またはカメラで撮影')
print('4. 質問や指示を入力（音声入力も可：Google Web Speech API / recognize_google）')
print('5. 「画像を解析」をクリックして結果を確認')
print('')
print('対応画像形式: JPEG, PNG, WEBP, HEIC, HEIF')
print('送信前に長辺1600pxへ自動リサイズ')
if env_status:
    print(env_status)

root.mainloop()