All methods

API زبان مولد

Gemini API به توسعه دهندگان اجازه می دهد تا با استفاده از مدل های Gemini، برنامه های کاربردی هوش مصنوعی تولید کنند. جمینی تواناترین مدل ما است که از ابتدا برای چندوجهی بودن ساخته شده است. این می تواند تعمیم دهد و به طور یکپارچه درک کند، کار کند و انواع مختلف اطلاعات از جمله زبان، تصاویر، صدا، ویدئو و کد را ترکیب کند. می‌توانید از Gemini API برای مواردی مانند استدلال در متن و تصاویر، تولید محتوا، عوامل گفتگو، سیستم‌های خلاصه‌سازی و طبقه‌بندی و موارد دیگر استفاده کنید.

خدمات: generativelanguage.googleapis.com

برای تماس با این سرویس، توصیه می کنیم از کتابخانه های سرویس گیرنده ارائه شده توسط Google استفاده کنید. اگر برنامه شما نیاز به استفاده از کتابخانه های خود برای فراخوانی این سرویس دارد، هنگام درخواست API از اطلاعات زیر استفاده کنید.

نقطه پایان خدمات

نقطه پایانی سرویس یک URL پایه است که آدرس شبکه یک سرویس API را مشخص می کند. یک سرویس ممکن است چندین نقطه پایانی سرویس داشته باشد. این سرویس دارای نقطه پایانی سرویس زیر است و همه URI های زیر مربوط به این نقطه پایانی سرویس هستند:

  • https://generativelanguage.googleapis.com

منبع REST: v1beta.batches

روش ها
cancel POST /v1beta/{name=batches/*}:cancel
لغو ناهمزمان را در یک عملیات طولانی مدت شروع می کند.
delete DELETE /v1beta/{name=batches/*}
یک عملیات طولانی مدت را حذف می کند.
get GET /v1beta/{name=batches/*}
آخرین وضعیت یک عملیات طولانی مدت را دریافت می کند.
list GET /v1beta/{name=batches}
عملیاتی را فهرست می کند که با فیلتر مشخص شده در درخواست مطابقت دارند.
updateEmbedContentBatch PATCH /v1beta/{embedContentBatch.name=batches/*}:updateEmbedContentBatch
دسته ای از درخواست های EmbedContent را برای پردازش دسته ای به روز می کند.
updateGenerateContentBatch PATCH /v1beta/{generateContentBatch.name=batches/*}:updateGenerateContentBatch
دسته ای از درخواست های GenerateContent را برای پردازش دسته ای به روز می کند.

منبع REST: v1beta.cachedContents

روش ها
create POST /v1beta/cachedContents
منبع CachedContent ایجاد می کند.
delete DELETE /v1beta/{name=cachedContents/*}
منبع CachedContent را حذف می کند.
get GET /v1beta/{name=cachedContents/*}
منبع CachedContent را می خواند.
list GET /v1beta/cachedContents
CachedContents را فهرست می کند.
patch PATCH /v1beta/{cachedContent.name=cachedContents/*}
منبع CachedContent را به روز می کند (فقط انقضا قابل به روز رسانی است).

منبع REST: v1beta.files

روش ها
delete DELETE /v1beta/{name=files/*}
File را حذف می کند.
get GET /v1beta/{name=files/*}
فراداده را برای File داده شده دریافت می کند.
list GET /v1beta/files
فراداده File های متعلق به پروژه درخواست کننده را فهرست می کند.

منبع REST: v1beta.media

روش ها
upload POST /v1beta/{ragStoreName=ragStores/*}:uploadToRagStore
POST /upload/v1beta/{ragStoreName=ragStores/*}:uploadToRagStore
داده‌ها را در RagStore آپلود می‌کند، پیش پردازش می‌کند و قبل از ذخیره آن در یک سند RagStore، آن‌ها را تکه تکه می‌کند.

منبع REST: v1beta.models

روش ها
asyncBatchEmbedContent POST /v1beta/{batch.model=models/*}:asyncBatchEmbedContent
دسته ای از درخواست های EmbedContent را برای پردازش دسته ای در صف قرار می دهد.
batchEmbedContents POST /v1beta/{model=models/*}:batchEmbedContents
چندین بردار تعبیه شده از Content ورودی ایجاد می کند که شامل دسته ای از رشته ها است که به عنوان اشیاء EmbedContentRequest نشان داده می شوند.
batchEmbedText POST /v1beta/{model=models/*}:batchEmbedText
چندین جاسازی را از مدل متن ورودی داده شده در یک تماس همزمان ایجاد می کند.
batchGenerateContent POST /v1beta/{batch.model=models/*}:batchGenerateContent
دسته ای از درخواست های GenerateContent را برای پردازش دسته ای در صف قرار می دهد.
countMessageTokens POST /v1beta/{model=models/*}:countMessageTokens
توکنایزر یک مدل را روی یک رشته اجرا می کند و تعداد توکن ها را برمی گرداند.
countTextTokens POST /v1beta/{model=models/*}:countTextTokens
توکنایزر یک مدل را روی یک متن اجرا می کند و تعداد توکن ها را برمی گرداند.
countTokens POST /v1beta/{model=models/*}:countTokens
توکنایزر مدل را روی Content ورودی اجرا می کند و تعداد توکن ها را برمی گرداند.
embedContent POST /v1beta/{model=models/*}:embedContent
با استفاده از مدل مشخص شده Gemini Embedding یک بردار جاسازی متن از Content ورودی ایجاد می کند.
embedText POST /v1beta/{model=models/*}:embedText
یک جاسازی از مدل با یک پیام ورودی ایجاد می کند.
generateContent POST /v1beta/{model=models/*}:generateContent
یک پاسخ مدل با یک ورودی GenerateContentRequest ایجاد می کند.
generateMessage POST /v1beta/{model=models/*}:generateMessage
پاسخی را از مدل با یک MessagePrompt ورودی ایجاد می کند.
generateText POST /v1beta/{model=models/*}:generateText
یک پاسخ از مدل با یک پیام ورودی ایجاد می کند.
get GET /v1beta/{name=models/*}
اطلاعاتی در مورد یک Model خاص مانند شماره نسخه، محدودیت‌های رمز، پارامترها و سایر ابرداده‌ها دریافت می‌کند.
list GET /v1beta/models
Model های موجود از طریق Gemini API را فهرست می کند.
predict POST /v1beta/{model=models/*}:predict
درخواست پیش بینی را انجام می دهد.
predictLongRunning POST /v1beta/{model=models/*}:predictLongRunning
همان Predict است اما یک LRO برمی گرداند.
streamGenerateContent POST /v1beta/{model=models/*}:streamGenerateContent
یک پاسخ جریانی از مدل با یک ورودی GenerateContentRequest ایجاد می کند.