クイック スタート: Azure AI Foundry モデルで Azure OpenAI を使用してイメージを生成する

setx AZURE_OPENAI_API_KEY "REPLACE_WITH_YOUR_KEY_VALUE_HERE" 
setx AZURE_OPENAI_ENDPOINT "REPLACE_WITH_YOUR_ENDPOINT_HERE" 

[System.Environment]::SetEnvironmentVariable('AZURE_OPENAI_API_KEY', 'REPLACE_WITH_YOUR_KEY_VALUE_HERE', 'User')
[System.Environment]::SetEnvironmentVariable('AZURE_OPENAI_ENDPOINT', 'REPLACE_WITH_YOUR_ENDPOINT_HERE', 'User')

export AZURE_OPENAI_API_KEY="REPLACE_WITH_YOUR_KEY_VALUE_HERE"
export AZURE_OPENAI_ENDPOINT="REPLACE_WITH_YOUR_ENDPOINT_HERE"

1. quickstart.py の内容を次のコードで置き換えます。 prompt の値を任意のテキストに変更します。 また deployment GPT-image-1 モデルのデプロイ時に選択したデプロイ名に設定します。

   import os
   import requests
   import base64
   from PIL import Image
   from io import BytesIO
   
   # set environment variables
   endpoint = os.getenv("AZURE_OPENAI_ENDPOINT")
   subscription_key = os.getenv("AZURE_OPENAI_API_KEY")
   
   deployment = "gpt-image-1" # the name of your GPT-image-1 deployment
   api_version = "2025-04-01-preview" # or later version
   
   def decode_and_save_image(b64_data, output_filename):
     image = Image.open(BytesIO(base64.b64decode(b64_data)))
     image.show()
     image.save(output_filename)
   
   def save_all_images_from_response(response_data, filename_prefix):
     for idx, item in enumerate(response_data['data']):
       b64_img = item['b64_json']
       filename = f"{filename_prefix}_{idx+1}.png"
       decode_and_save_image(b64_img, filename)
       print(f"Image saved to: '{filename}'")
   
   base_path = f'openai/deployments/{deployment}/images'
   params = f'?api-version={api_version}'
   
   generation_url = f"{endpoint}{base_path}/generations{params}"
   generation_body = {
     "prompt": "girl falling asleep",
     "n": 1,
     "size": "1024x1024",
     "quality": "medium",
     "output_format": "png"
   }
   generation_response = requests.post(
     generation_url,
     headers={
       'Api-Key': subscription_key,
       'Content-Type': 'application/json',
     },
     json=generation_body
   ).json()
   save_all_images_from_response(generation_response, "generated_image")
   
   # In addition to generating images, you can edit them.
   edit_url = f"{endpoint}{base_path}/edits{params}"
   edit_body = {
     "prompt": "girl falling asleep",
     "n": 1,
     "size": "1024x1024",
     "quality": "medium"
   }
   files = {
     "image": ("generated_image_1.png", open("generated_image_1.png", "rb"), "image/png"),
     # You can use a mask to specify which parts of the image you want to edit.
     # The mask must be the same size as the input image.
     # "mask": ("mask.png", open("mask.png", "rb"), "image/png"),
   }
   edit_response = requests.post(
     edit_url,
     headers={'Api-Key': subscription_key},
     data=edit_body,
     files=files
   ).json()
   save_all_images_from_response(edit_response, "edited_image")
   

   このスクリプトは、同期イメージ生成 API 呼び出しを行います。

   重要

   終わったらコードからキーを削除し、公開しないよう注意してください。 運用環境では、資格情報を安全に保存してアクセスできる方法を使用してください。 詳しくは、Azure Key Vault に関する記事をご覧ください。

2. python コマンドを使用してアプリケーションを実行します。

   python quickstart.py
   

   応答が返されるまで少し時間がかかります。

1. quickstart.py の内容を次のコードで置き換えます。 prompt の値を任意のテキストに変更します。

   また、URL の <dalle3> を、DALL-E 3 モデルのデプロイ時に選択したデプロイ名に置き換える必要があります。 モデル名の入力では、基になるモデル名と同じデプロイ名を選択しないとエラーが発生します。 エラーが発生した場合は、エンドポイントと / の間隔で /openai/deployments が 2 倍になっていないことを確認してください。

   import requests
   import time
   import os
   api_base = os.environ['AZURE_OPENAI_ENDPOINT']  # Enter your endpoint here
   api_key = os.environ['AZURE_OPENAI_API_KEY']         # Enter your API key here
   
   api_version = '2024-02-01'
   url = f"{api_base}/openai/deployments/<dalle3>/images/generations?api-version={api_version}"
   headers= { "api-key": api_key, "Content-Type": "application/json" }
   body = {
       # Enter your prompt text here
       "prompt": "A multi-colored umbrella on the beach, disposable camera",
       "size": "1024x1024", # supported values are “1792x1024”, “1024x1024” and “1024x1792” 
       "n": 1, #The number of images to generate. Only n=1 is supported for DALL-E 3.
       "quality": "hd", # Options are “hd” and “standard”; defaults to standard 
       "style": "vivid" # Options are “natural” and “vivid”; defaults to “vivid”
   }
   submission = requests.post(url, headers=headers, json=body)
   
   image_url = submission.json()['data'][0]['url']
   
   print(image_url)
   

   このスクリプトは、同期イメージ生成 API 呼び出しを行います。

   重要

   終わったらコードからキーを削除し、公開しないよう注意してください。 運用環境では、資格情報を安全に保存してアクセスできる方法を使用してください。 詳しくは、Azure Key Vault に関する記事をご覧ください。

2. python コマンドを使用してアプリケーションを実行します。

   python quickstart.py
   

   応答が返されるまで少し時間がかかります。

setx AZURE_OPENAI_API_KEY "REPLACE_WITH_YOUR_KEY_VALUE_HERE" 
setx AZURE_OPENAI_ENDPOINT "REPLACE_WITH_YOUR_ENDPOINT_HERE" 

[System.Environment]::SetEnvironmentVariable('AZURE_OPENAI_API_KEY', 'REPLACE_WITH_YOUR_KEY_VALUE_HERE', 'User')
[System.Environment]::SetEnvironmentVariable('AZURE_OPENAI_ENDPOINT', 'REPLACE_WITH_YOUR_ENDPOINT_HERE', 'User')

export AZURE_OPENAI_API_KEY="REPLACE_WITH_YOUR_KEY_VALUE_HERE"
export AZURE_OPENAI_ENDPOINT="REPLACE_WITH_YOUR_ENDPOINT_HERE"

キーレス認証と環境変数の設定の詳細を参照してください。

API キーの確認と環境変数の設定の詳細を参照してください。

AzureOpenAIClient openAIClient = new AzureOpenAIClient(new Uri(endpoint), new DefaultAzureCredential()); 

AzureOpenAIClient openAIClient = new AzureOpenAIClient(new Uri(endpoint), new AzureKeyCredential(key));

キーレス認証と環境変数の設定の詳細を参照してください。

API キーの確認と環境変数の設定の詳細を参照してください。

OpenAIAsyncClient client = new OpenAIClientBuilder()
    .endpoint(endpoint)
    .credential(new DefaultAzureCredentialBuilder().build())
    .buildAsyncClient();

OpenAIAsyncClient client = new OpenAIClientBuilder()
    .endpoint(endpoint)
    .credential(new AzureKeyCredential(key))
    .buildAsyncClient();

以下の手順に従って、音声認識のためのコンソール アプリケーションを作成します。

1. 同じプロジェクト ルート ディレクトリ に Quickstart.java という名前の新しいファイルを作成します。

2. 次のコードを Quickstart.javaにコピーします。

   import com.azure.ai.openai.OpenAIAsyncClient;
   import com.azure.ai.openai.OpenAIClientBuilder;
   import com.azure.ai.openai.models.ImageGenerationOptions;
   import com.azure.ai.openai.models.ImageLocation;
   import com.azure.core.credential.AzureKeyCredential;
   import com.azure.core.models.ResponseError;
   
   import java.util.concurrent.TimeUnit;
   
   public class Quickstart {
   
       public static void main(String[] args) throws InterruptedException {
   
           String endpoint = System.getenv("AZURE_OPENAI_ENDPOINT");
   
           // Use the recommended keyless credential instead of the AzureKeyCredential credential.
   
           OpenAIAsyncClient client = new OpenAIClientBuilder()
               .endpoint(endpoint)
               .credential(new DefaultAzureCredentialBuilder().build())
               .buildAsyncClient();
   
           ImageGenerationOptions imageGenerationOptions = new ImageGenerationOptions(
               "A drawing of the Seattle skyline in the style of Van Gogh");
           client.getImages(imageGenerationOptions).subscribe(
               images -> {
                   for (ImageLocation imageLocation : images.getData()) {
                       ResponseError error = imageLocation.getError();
                       if (error != null) {
                           System.out.printf("Image generation operation failed. Error code: %s, error message: %s.%n",
                               error.getCode(), error.getMessage());
                       } else {
                           System.out.printf(
                               "Image ___location URL that provides temporary access to download the generated image is %s.%n",
                               imageLocation.getUrl());
                       }
                   }
               },
               error -> System.err.println("There was an error getting images." + error),
               () -> System.out.println("Completed getImages."));
   
           // The .subscribe() creation and assignment isn't a blocking call.
           // The thread sleeps so the program does not end before the send operation is complete. 
           // Use .block() instead of .subscribe() for a synchronous call.
           TimeUnit.SECONDS.sleep(10);
       }
   }
   

3. 新しいコンソール アプリケーションを実行してイメージを生成します。

   javac Quickstart.java -cp ".;target\dependency\*"
   java -cp ".;target\dependency\*" Quickstart
   

以下の手順に従って、音声認識のためのコンソール アプリケーションを作成します。

1. 同じプロジェクト ルート ディレクトリ に Quickstart.java という名前の新しいファイルを作成します。

2. 次のコードを Quickstart.javaにコピーします。

   import com.azure.ai.openai.OpenAIAsyncClient;
   import com.azure.ai.openai.OpenAIClientBuilder;
   import com.azure.ai.openai.models.ImageGenerationOptions;
   import com.azure.ai.openai.models.ImageLocation;
   import com.azure.identity.DefaultAzureCredentialBuilder;
   import com.azure.core.models.ResponseError;
   
   import java.util.concurrent.TimeUnit;
   
   public class Quickstart {
   
       public static void main(String[] args) throws InterruptedException {
   
           String key = System.getenv("AZURE_OPENAI_API_KEY");
           String endpoint = System.getenv("AZURE_OPENAI_ENDPOINT");
   
           OpenAIAsyncClient client = new OpenAIClientBuilder()
               .endpoint(endpoint)
               .credential(new AzureKeyCredential(key))
               .buildAsyncClient();
   
           ImageGenerationOptions imageGenerationOptions = new ImageGenerationOptions(
               "A drawing of the Seattle skyline in the style of Van Gogh");
           client.getImages(imageGenerationOptions).subscribe(
               images -> {
                   for (ImageLocation imageLocation : images.getData()) {
                       ResponseError error = imageLocation.getError();
                       if (error != null) {
                           System.out.printf("Image generation operation failed. Error code: %s, error message: %s.%n",
                               error.getCode(), error.getMessage());
                       } else {
                           System.out.printf(
                               "Image ___location URL that provides temporary access to download the generated image is %s.%n",
                               imageLocation.getUrl());
                       }
                   }
               },
               error -> System.err.println("There was an error getting images." + error),
               () -> System.out.println("Completed getImages."));
   
           // The .subscribe() creation and assignment isn't a blocking call.
           // The thread sleeps so the program does not end before the send operation is complete. 
           // Use .block() instead of .subscribe() for a synchronous call.
           TimeUnit.SECONDS.sleep(10);
       }
   }
   

3. 新しいコンソール アプリケーションを実行してイメージを生成します。

   javac Quickstart.java -cp ".;target\dependency\*"
   java -cp ".;target\dependency\*" Quickstart
   

キーレス認証と環境変数の設定の詳細を参照してください。

API キーの確認と環境変数の設定の詳細を参照してください。

1. 次のコードを使用して index.js ファイルを作成します。

   const { AzureOpenAI } = require("openai");
   const { 
       DefaultAzureCredential, 
       getBearerTokenProvider 
   } = require("@azure/identity");
   
   // You will need to set these environment variables or edit the following values
   const endpoint = process.env.AZURE_OPENAI_ENDPOINT || "Your endpoint";
   
   // Required Azure OpenAI deployment name and API version
   const apiVersion = process.env.OPENAI_API_VERSION || "2024-07-01";
   const deploymentName = process.env.AZURE_OPENAI_DEPLOYMENT_NAME || "dall-e-3";
   
   // The prompt to generate images from
   const prompt = "a monkey eating a banana";
   const numberOfImagesToGenerate = 1;
   
   // keyless authentication    
   const credential = new DefaultAzureCredential();
   const scope = "https://cognitiveservices.azure.com/.default";
   const azureADTokenProvider = getBearerTokenProvider(credential, scope);
   
   function getClient(): AzureOpenAI {
     return new AzureOpenAI({
       endpoint,
       azureADTokenProvider,
       apiVersion,
       deployment: deploymentName,
     });
   }
   async function main() {
     console.log("== Image Generation ==");
   
     const client = getClient();
   
     const results = await client.images.generate({
       prompt,
       size: "1024x1024",
       n: numberOfImagesToGenerate,
       model: "",
       style: "vivid", // or "natural"
     });
   
     for (const image of results.data) {
       console.log(`Image generation result URL: ${image.url}`);
     }
   }
   
   main().catch((err) => {
     console.error("The sample encountered an error:", err);
   });
   

2. 次のコマンドを使用して Azure にサインインします。

   az login
   

3. JavaScript ファイルを実行します。

   node index.js
   

1. 次のコードを使用して index.js ファイルを作成します。

   const { AzureOpenAI } = require("openai");
   
   // You will need to set these environment variables or edit the following values
   const endpoint = process.env.AZURE_OPENAI_ENDPOINT || "Your endpoint";
   const apiKey = process.env.AZURE_OPENAI_API_KEY || "Your API key";
   
   // Required Azure OpenAI deployment name and API version
   const apiVersion = process.env.OPENAI_API_VERSION || "2024-07-01";
   const deploymentName = process.env.AZURE_OPENAI_DEPLOYMENT_NAME || "dall-e-3";
   
   // The prompt to generate images from
   const prompt = "a monkey eating a banana";
   const numberOfImagesToGenerate = 1;
   
   function getClient() {
     return new AzureOpenAI({
       endpoint,
       apiKey,
       apiVersion,
       deployment: deploymentName,
     });
   }
   async function main() {
     console.log("== Image Generation ==");
   
     const client = getClient();
   
     const results = await client.images.generate({
       prompt,
       size: "1024x1024",
       n: numberOfImagesToGenerate,
       model: "",
       style: "vivid", // or "natural"
     });
   
     for (const image of results.data) {
       console.log(`Image generation result URL: ${image.url}`);
     }
   }
   
   main().catch((err) => {
     console.error("The sample encountered an error:", err);
   });
   

2. JavaScript ファイルを実行します。

   node index.js
   

キーレス認証と環境変数の設定の詳細を参照してください。

API キーの確認と環境変数の設定の詳細を参照してください。

1. 次のコードを使用して index.ts ファイルを作成します。

   import { AzureOpenAI } from "openai";
   import { 
       DefaultAzureCredential, 
       getBearerTokenProvider 
   } from "@azure/identity";
   
   // You will need to set these environment variables or edit the following values
   const endpoint = process.env.AZURE_OPENAI_ENDPOINT || "Your endpoint";
   
   // Required Azure OpenAI deployment name and API version
   const apiVersion = process.env.OPENAI_API_VERSION || "2024-07-01";
   const deploymentName = process.env.AZURE_OPENAI_DEPLOYMENT_NAME || "dall-e-3";
   
   // keyless authentication    
   const credential = new DefaultAzureCredential();
   const scope = "https://cognitiveservices.azure.com/.default";
   const azureADTokenProvider = getBearerTokenProvider(credential, scope);
   
   function getClient(): AzureOpenAI {
     return new AzureOpenAI({
       endpoint,
       azureADTokenProvider,
       apiVersion,
       deployment: deploymentName,
     });
   }
   async function main() {
     console.log("== Image Generation ==");
   
     const client = getClient();
   
     const results = await client.images.generate({
       prompt,
       size: "1024x1024",
       n: numberOfImagesToGenerate,
       model: "",
       style: "vivid", // or "natural"
     });
   
     for (const image of results.data) {
       console.log(`Image generation result URL: ${image.url}`);
     }
   }
   
   main().catch((err) => {
     console.error("The sample encountered an error:", err);
   });
   

2. TypeScript コードをトランスパイルするために tsconfig.json ファイルを作成して、ECMAScript 向けの次のコードをコピーします。

   {
       "compilerOptions": {
         "module": "NodeNext",
         "target": "ES2022", // Supports top-level await
         "moduleResolution": "NodeNext",
         "skipLibCheck": true, // Avoid type errors from node_modules
         "strict": true // Enable strict type-checking options
       },
       "include": ["*.ts"]
   }
   

3. TypeScript から JavaScript にトランスパイルします。

   tsc
   

4. 次のコマンドを使用して Azure にサインインします。

   az login
   

5. 次のコマンドを使用して、コードを実行します。

   node index.js
   

1. 次のコードを使用して index.ts ファイルを作成します。

   import { AzureOpenAI } from "openai";
   
   // You will need to set these environment variables or edit the following values
   const endpoint = process.env.AZURE_OPENAI_ENDPOINT || "Your endpoint";
   const apiKey = process.env.AZURE_OPENAI_API_KEY || "Your API key";
   
   // Required Azure OpenAI deployment name and API version
   const apiVersion = process.env.OPENAI_API_VERSION || "2024-07-01";
   const deploymentName = process.env.AZURE_OPENAI_DEPLOYMENT_NAME || "dall-e-3";
   
   // The prompt to generate images from
   const prompt = "a monkey eating a banana";
   const numberOfImagesToGenerate = 1;
   
   function getClient(): AzureOpenAI {
     return new AzureOpenAI({
       endpoint,
       apiKey,
       apiVersion,
       deployment: deploymentName,
     });
   }
   async function main() {
     console.log("== Image Generation ==");
   
     const client = getClient();
   
     const results = await client.images.generate({
       prompt,
       size: "1024x1024",
       n: numberOfImagesToGenerate,
       model: "",
       style: "vivid", // or "natural"
     });
   
     for (const image of results.data) {
       console.log(`Image generation result URL: ${image.url}`);
     }
   }
   
   main().catch((err) => {
     console.error("The sample encountered an error:", err);
   });
   

2. TypeScript コードをトランスパイルするために tsconfig.json ファイルを作成して、ECMAScript 向けの次のコードをコピーします。

   {
       "compilerOptions": {
         "module": "NodeNext",
         "target": "ES2022", // Supports top-level await
         "moduleResolution": "NodeNext",
         "skipLibCheck": true, // Avoid type errors from node_modules
         "strict": true // Enable strict type-checking options
       },
       "include": ["*.ts"]
   }
   

3. TypeScript から JavaScript にトランスパイルします。

   tsc
   

4. 次のコマンドを使用して、コードを実行します。

   node index.js
   

キーレス認証と環境変数の設定の詳細を参照してください。

API キーの確認と環境変数の設定の詳細を参照してください。

azureOpenAIEndpoint := os.Getenv("AZURE_OPENAI_ENDPOINT")
credential, err := azidentity.NewDefaultAzureCredential(nil)
client, err := azopenai.NewClient(azureOpenAIEndpoint, credential, nil)

azureOpenAIEndpoint := os.Getenv("AZURE_OPENAI_ENDPOINT")
azureOpenAIKey := os.Getenv("AZURE_OPENAI_API_KEY")
credential := azcore.NewKeyCredential(azureOpenAIKey)
client, err := azopenai.NewClientWithKeyCredential(azureOpenAIEndpoint, credential, nil)

サンプルを実行するには

1. quickstart.go という名前の新しいファイルを作成します。 quickstart.go ファイルに次のコードをコピーします。

    package main
   
   import (
   	"context"
   	"fmt"
   	"net/http"
   	"os"
   	"log"
   
   	"github.com/Azure/azure-sdk-for-go/sdk/ai/azopenai"
   	"github.com/Azure/azure-sdk-for-go/sdk/azcore/to"
   	"github.com/Azure/azure-sdk-for-go/sdk/azidentity"
   )
   
   func main() {
   	azureOpenAIEndpoint := os.Getenv("AZURE_OPENAI_ENDPOINT")
   	modelDeploymentID := "dall-e-3"
   
   	credential, err := azidentity.NewDefaultAzureCredential(nil)
   	if err != nil {
   		log.Printf("ERROR: %s", err)
   		return
   	}
   
   	client, err := azopenai.NewClient(
   		azureOpenAIEndpoint, credential, nil)
   	if err != nil {
   		log.Printf("ERROR: %s", err)
   		return
   	}
   
   	resp, err := client.GetImageGenerations(context.TODO(), azopenai.ImageGenerationOptions{
   		Prompt:         to.Ptr("A painting of a cat in the style of Dali."),
   		ResponseFormat: to.Ptr(azopenai.ImageGenerationResponseFormatURL),
   		DeploymentName: to.Ptr(modelDeploymentID),
   	}, nil)
   
   	if err != nil {
   		// Implement application specific error handling logic.
   		log.Printf("ERROR: %s", err)
   		return
   	}
   
   	for _, generatedImage := range resp.Data {
   		// The underlying type for the generatedImage is determined by the value of
   		// ImageGenerationOptions.ResponseFormat. 
   		// In this example we use `azopenai.ImageGenerationResponseFormatURL`,
   		// so the underlying type will be ImageLocation.
   
   		resp, err := http.Head(*generatedImage.___URL)
   
   		if err != nil {
   			// Implement application specific error handling logic.
   			log.Printf("ERROR: %s", err)
   			return
   		}
   
   		fmt.Fprintf(os.Stderr, "Image generated, HEAD request on URL returned %d\nImage URL: %s\n", resp.StatusCode, *generatedImage.___URL)
   	}
   }
   

2. 次のコマンドを実行して、新しい Go モジュールを作成します。

    go mod init quickstart.go
   

3. go mod tidyを実行して、必要な依存関係をインストールします。

   go mod tidy
   

4. 次のコマンドを実行してサンプルを実行します。

    go run quickstart.go
   

サンプルを実行するには

1. quickstart.go という名前の新しいファイルを作成します。 quickstart.go ファイルに次のコードをコピーします。

   package main
   
   import (
   	"context"
   	"fmt"
   	"net/http"
   	"os"
   	"log"
   
   	"github.com/Azure/azure-sdk-for-go/sdk/ai/azopenai"
   	"github.com/Azure/azure-sdk-for-go/sdk/azcore"
   	"github.com/Azure/azure-sdk-for-go/sdk/azcore/to"
   )
   
   func main() {
   	azureOpenAIEndpoint := os.Getenv("AZURE_OPENAI_ENDPOINT")
   	modelDeploymentID := "dall-e-3"
   
   	azureOpenAIKey := os.Getenv("AZURE_OPENAI_API_KEY")
   	credential := azcore.NewKeyCredential(azureOpenAIKey)
   
   	client, err := azopenai.NewClientWithKeyCredential(
   		azureOpenAIEndpoint, credential, nil)
   	if err != nil {
   		log.Printf("ERROR: %s", err)
   		return
   	}
   
   	resp, err := client.GetImageGenerations(context.TODO(), azopenai.ImageGenerationOptions{
   		Prompt:         to.Ptr("A painting of a cat in the style of Dali."),
   		ResponseFormat: to.Ptr(azopenai.ImageGenerationResponseFormatURL),
   		DeploymentName: to.Ptr(modelDeploymentID),
   	}, nil)
   
   	if err != nil {
   		// Implement application specific error handling logic.
   		log.Printf("ERROR: %s", err)
   		return
   	}
   
   	for _, generatedImage := range resp.Data {
   		// The underlying type for the generatedImage is determined by the value of
   		// ImageGenerationOptions.ResponseFormat. 
   		// In this example we use `azopenai.ImageGenerationResponseFormatURL`,
   		// so the underlying type will be ImageLocation.
   
   		resp, err := http.Head(*generatedImage.___URL)
   
   		if err != nil {
   			// Implement application specific error handling logic.
   			log.Printf("ERROR: %s", err)
   			return
   		}
   
   		fmt.Fprintf(os.Stderr, "Image generated, HEAD request on URL returned %d\nImage URL: %s\n", resp.StatusCode, *generatedImage.___URL)
   	}
   }
   

2. 次のコマンドを実行して、新しい Go モジュールを作成します。

    go mod init quickstart.go
   

3. go mod tidyを実行して、必要な依存関係をインストールします。

   go mod tidy
   

4. 次のコマンドを実行してサンプルを実行します。

    go run quickstart.go
   

キーレス認証と環境変数の設定の詳細を参照してください。

API キーの確認と環境変数の設定の詳細を参照してください。