Generative Language API
ממשק Gemini API מאפשר למפתחים לבנות אפליקציות של AI גנרטיבי באמצעות מודלים של Gemini. Gemini הוא המודל הכי מתקדם שלנו, שנבנה מהיסוד כדי להיות מולטימודאלי. הוא יכול להכליל ולהבין בצורה חלקה סוגים שונים של מידע, כולל שפה, תמונות, אודיו, וידאו וקוד, לפעול על פיהם ולשלב ביניהם. אתם יכולים להשתמש ב-Gemini API לתרחישי שימוש כמו ניתוח טקסט ותמונות, יצירת תוכן, סוכני דיאלוג, מערכות סיכום וסיווג ועוד.
- מקור REST: v1beta.batches
- מקור REST: v1beta.cachedContents
- REST Resource: v1beta.corpora
- מקור REST: v1beta.corpora.documents
- מקור REST: v1beta.corpora.documents.chunks
- מקור מידע של REST: v1beta.corpora.operations
- משאב REST: v1beta.corpora.permissions
- מקור REST: v1beta.dynamic
- מקור REST: v1beta.files
- מקור REST: v1beta.generatedFiles
- מקור מידע של REST: v1beta.generatedFiles.operations
- מקור REST: v1beta.media
- מקור REST: v1beta.models
- מקור מידע של REST: v1beta.models.operations
- REST Resource: v1beta.ragStores
- מקור REST: v1beta.ragStores.documents
- מקור מידע של REST: v1beta.ragStores.operations
- מקור REST: v1beta.ragStores.upload.operations
- מקור REST: v1beta.tunedModels
- מקור מידע של REST: v1beta.tunedModels.operations
- מקור REST: v1beta.tunedModels.permissions
שירות: generativelanguage.googleapis.com
כדי לקרוא לשירות הזה, מומלץ להשתמש בספריות הלקוח ש-Google מספקת. אם האפליקציה צריכה להשתמש בספריות משלה כדי לקרוא לשירות הזה, צריך להשתמש במידע הבא כשמבצעים את בקשות ה-API.
נקודת קצה של שירות
נקודת קצה של שירות היא כתובת URL בסיסית שמציינת את כתובת הרשת של שירות API. לשירות אחד יכולות להיות כמה נקודות קצה של שירות. לשירות הזה יש נקודת קצה (endpoint) משלו, וכל כתובות ה-URI שבהמשך הן יחסיות לנקודת הקצה הזו:
https://generativelanguage.googleapis.com
משאב REST: v1beta.batches
Methods | |
---|---|
cancel |
POST /v1beta/{name=batches/*}:cancel מתחילה ביטול אסינכרוני של פעולה ממושכת. |
delete |
DELETE /v1beta/{name=batches/*} מחיקת פעולה ממושכת. |
get |
GET /v1beta/{name=batches/*} אחזור המצב העדכני של פעולה ממושכת. |
list |
GET /v1beta/{name=batches} רשימת פעולות שתואמות למסנן שצוין בבקשה. |
updateEmbedContentBatch |
PATCH /v1beta/{embedContentBatch.name=batches/*}:updateEmbedContentBatch מעדכן אצווה של בקשות EmbedContent לעיבוד באצווה. |
updateGenerateContentBatch |
PATCH /v1beta/{generateContentBatch.name=batches/*}:updateGenerateContentBatch מעדכן אצווה של בקשות GenerateContent לעיבוד באצווה. |
משאב REST: v1beta.cachedContents
Methods | |
---|---|
create |
POST /v1beta/cachedContents יצירת משאב CachedContent. |
delete |
DELETE /v1beta/{name=cachedContents/*} מוחק את המשאב CachedContent. |
get |
GET /v1beta/{name=cachedContents/*} קורא את המשאב CachedContent. |
list |
GET /v1beta/cachedContents רשימת CachedContents. |
patch |
PATCH /v1beta/{cachedContent.name=cachedContents/*} מעדכן את משאב CachedContent (אפשר לעדכן רק את התפוגה). |
משאב REST: v1beta.files
Methods | |
---|---|
delete |
DELETE /v1beta/{name=files/*} מוחק את File . |
get |
GET /v1beta/{name=files/*} אחזור המטא-נתונים של File שצוין. |
list |
GET /v1beta/files מציג את המטא-נתונים של File s שבבעלות הפרויקט ששלח את הבקשה. |
משאב REST: v1beta.media
Methods | |
---|---|
upload |
POST /v1beta/{ragStoreName=ragStores/*}:uploadToRagStore POST /upload/v1beta/{ragStoreName=ragStores/*}:uploadToRagStore העלאת נתונים ל-ragStore, עיבוד מוקדם וחלוקה לחלקים לפני האחסון ב-RagStore Document. |
משאב REST: v1beta.models
Methods | |
---|---|
asyncBatchEmbedContent |
POST /v1beta/{batch.model=models/*}:asyncBatchEmbedContent הפונקציה מוסיפה לאצווה תור של EmbedContent בקשות לעיבוד באצווה. |
batchEmbedContents |
POST /v1beta/{model=models/*}:batchEmbedContents יוצר כמה וקטורים של הטמעה מהקלט Content שכולל אצווה של מחרוזות שמיוצגות כאובייקטים EmbedContentRequest . |
batchEmbedText |
POST /v1beta/{model=models/*}:batchEmbedText יוצר הטמעות מרובות מהמודל בהינתן טקסט קלט בקריאה סינכרונית. |
batchGenerateContent |
POST /v1beta/{batch.model=models/*}:batchGenerateContent הפונקציה מוסיפה לאצווה תור של GenerateContent בקשות לעיבוד באצווה. |
countMessageTokens |
POST /v1beta/{model=models/*}:countMessageTokens מפעילה את טוקנייזר של מודל על מחרוזת ומחזירה את מספר הטוקנים. |
countTextTokens |
POST /v1beta/{model=models/*}:countTextTokens מפעילה את טוקנייזר של מודל על טקסט ומחזירה את מספר הטוקנים. |
countTokens |
POST /v1beta/{model=models/*}:countTokens מפעילה את טוקנייזר של מודל על קלט Content ומחזירה את מספר הטוקנים. |
embedContent |
POST /v1beta/{model=models/*}:embedContent יוצר וקטור הטמעה של טקסט מהקלט Content באמצעות מודל ההטמעה של Gemini שצוין. |
embedText |
POST /v1beta/{model=models/*}:embedText יצירת הטמעה מהמודל בהינתן הודעת קלט. |
generateContent |
POST /v1beta/{model=models/*}:generateContent יצירת תשובה לדוגמה בהינתן קלט GenerateContentRequest . |
generateMessage |
POST /v1beta/{model=models/*}:generateMessage יצירת תשובה מהמודל בהינתן קלט MessagePrompt . |
generateText |
POST /v1beta/{model=models/*}:generateText יצירת תגובה מהמודל בהינתן הודעת קלט. |
get |
GET /v1beta/{name=models/*} קבלת מידע על Model ספציפי, כמו מספר הגרסה, מגבלות הטוקנים, פרמטרים ומטא-נתונים אחרים. |
list |
GET /v1beta/models מציג רשימה של Model s שזמינים דרך Gemini API. |
predict |
POST /v1beta/{model=models/*}:predict שליחת בקשת חיזוי. |
predictLongRunning |
POST /v1beta/{model=models/*}:predictLongRunning אותו דבר כמו Predict, אבל מחזיר LRO. |
streamGenerateContent |
POST /v1beta/{model=models/*}:streamGenerateContent יוצרת תשובה בסטרימינג מהמודל בהינתן קלט GenerateContentRequest . |