Veo 3.1 już jest! Więcej informacji o nowym modelu i jego funkcjach znajdziesz w poście na blogu i w dokumentacji.

Ta strona została przetłumaczona przez Cloud Translation API.

All methods

Generative Language API

Gemini API umożliwia programistom tworzenie aplikacji generatywnej AI przy użyciu modeli Gemini. Gemini to nasz najbardziej zaawansowany model, który od podstaw został zaprojektowany jako multimodalny. Potrafi uogólniać i z łatwością rozumieć, przetwarzać i łączyć różne typy informacji, w tym język, obrazy, dźwięki, filmy i kod. Interfejsu Gemini API możesz używać w przypadku takich zastosowań jak wnioskowanie na podstawie tekstu i obrazów, generowanie treści, agenci dialogowi, systemy podsumowywania i klasyfikacji oraz wiele innych.

Usługa: generativelanguage.googleapis.com

Zalecamy wywołanie tej usługi przy użyciu dostarczonych przez Google bibliotek klienta. Jeśli aplikacja musi wywoływać tę usługę przy użyciu własnych bibliotek, podczas tworzenia żądań interfejsu API należy używać poniższych informacji.

Punkt końcowy usługi

Punkt końcowy usługi to podstawowy adres URL, który określa adres sieciowy usługi interfejsu API. Jedna usługa może mieć wiele punktów końcowych. Ta usługa ma następujący punkt końcowy i wszystkie poniższe identyfikatory URI odnoszą się do niego:

https://generativelanguage.googleapis.com

Zasób REST: v1beta.batches

Metody
`cancel`	`POST /v1beta/{name=batches/*}:cancel` Rozpoczyna asynchroniczne anulowanie długo trwającej operacji.
`delete`	`DELETE /v1beta/{name=batches/*}` Usuwa długo trwającą operację.
`get`	`GET /v1beta/{name=batches/*}` Pobiera najnowszy stan długo trwającej operacji.
`list`	`GET /v1beta/{name=batches}` Wyświetla listę operacji pasujących do filtra określonego w żądaniu.
`updateEmbedContentBatch`	`PATCH /v1beta/{embedContentBatch.name=batches/*}:updateEmbedContentBatch` Aktualizuje partię żądań EmbedContent do przetwarzania zbiorczego.
`updateGenerateContentBatch`	`PATCH /v1beta/{generateContentBatch.name=batches/*}:updateGenerateContentBatch` Aktualizuje partię żądań GenerateContent do przetwarzania zbiorczego.

Zasób REST: v1beta.cachedContents

Metody
`create`	`POST /v1beta/cachedContents` Tworzy zasób CachedContent.
`delete`	`DELETE /v1beta/{name=cachedContents/*}` Usuwa zasób CachedContent.
`get`	`GET /v1beta/{name=cachedContents/*}` Odczytuje zasób CachedContent.
`list`	`GET /v1beta/cachedContents` Wyświetla listę zapisanych treści.
`patch`	`PATCH /v1beta/{cachedContent.name=cachedContents/*}` Aktualizuje zasób CachedContent (można aktualizować tylko datę ważności).

Zasób REST: v1beta.files

Metody
`delete`	`DELETE /v1beta/{name=files/*}` Usuwa `File`.
`get`	`GET /v1beta/{name=files/*}` Pobiera metadane podanego `File`.
`list`	`GET /v1beta/files` Wyświetla metadane zasobów `File` należących do projektu, który wysłał żądanie.

Zasób REST: v1beta.media

Metody
`upload`	`POST /v1beta/{ragStoreName=ragStores/}:uploadToRagStore` `POST /upload/v1beta/{ragStoreName=ragStores/}:uploadToRagStore` Przesyła dane do ragStore, przetwarza je wstępnie i dzieli na fragmenty przed zapisaniem w dokumencie RagStore.

Zasób REST: v1beta.models

Metody
`asyncBatchEmbedContent`	`POST /v1beta/{batch.model=models/*}:asyncBatchEmbedContent` Dodaje do kolejki partię `EmbedContent` żądań do przetwarzania wsadowego.
`batchEmbedContents`	`POST /v1beta/{model=models/*}:batchEmbedContents` Generuje wiele wektorów osadzania z danych wejściowych `Content`, które składają się z grupy ciągów znaków reprezentowanych jako obiekty `EmbedContentRequest`.
`batchEmbedText`	`POST /v1beta/{model=models/*}:batchEmbedText` Generuje wiele osadzeń z modelu na podstawie podanego tekstu wejściowego w wywołaniu synchronicznym.
`batchGenerateContent`	`POST /v1beta/{batch.model=models/*}:batchGenerateContent` Dodaje do kolejki partię `GenerateContent` żądań do przetwarzania wsadowego.
`countMessageTokens`	`POST /v1beta/{model=models/*}:countMessageTokens` Uruchamia tokenizer modelu na ciągu znaków i zwraca liczbę tokenów.
`countTextTokens`	`POST /v1beta/{model=models/*}:countTextTokens` Uruchamia tokenizer modelu na tekście i zwraca liczbę tokenów.
`countTokens`	`POST /v1beta/{model=models/*}:countTokens` Uruchamia tokenizer modelu na danych wejściowych `Content` i zwraca liczbę tokenów.
`embedContent`	`POST /v1beta/{model=models/*}:embedContent` Generuje wektor dystrybucyjny tekstu z danych wejściowych `Content` za pomocą określonego modelu Gemini Embedding.
`embedText`	`POST /v1beta/{model=models/*}:embedText` Generuje wektor osadzania na podstawie modelu na podstawie wiadomości wejściowej.
`generateContent`	`POST /v1beta/{model=models/*}:generateContent` Generuje odpowiedź modelu na podstawie danych wejściowych `GenerateContentRequest`.
`generateMessage`	`POST /v1beta/{model=models/*}:generateMessage` Generuje odpowiedź modelu na podstawie danych wejściowych `MessagePrompt`.
`generateText`	`POST /v1beta/{model=models/*}:generateText` Generuje odpowiedź modelu na podstawie wiadomości wejściowej.
`get`	`GET /v1beta/{name=models/*}` Pobiera informacje o konkretnym `Model`, takie jak numer wersji, limity tokenów, parametry i inne metadane.
`list`	`GET /v1beta/models` Wyświetla listę `Model` dostępnych w interfejsie Gemini API.
`predict`	`POST /v1beta/{model=models/*}:predict` Wysyła żądanie prognozy.
`predictLongRunning`	`POST /v1beta/{model=models/*}:predictLongRunning` Działa tak samo jak Predict, ale zwraca LRO.
`streamGenerateContent`	`POST /v1beta/{model=models/*}:streamGenerateContent` Generuje odpowiedź strumieniową z modelu na podstawie danych wejściowych `GenerateContentRequest`.