O Veo 3.1 chegou! Leia sobre o novo modelo e os recursos dele na postagem do blog e na documentação.

Esta página foi traduzida pela API Cloud Translation.

All methods

API Generative Language

A API Gemini permite que os desenvolvedores criem aplicativos de IA generativa usando modelos do Gemini. O Gemini é nosso modelo mais avançado, criado desde o início para ser multimodal. Ele pode generalizar, entender, operar e combinar diferentes tipos de informações, incluindo idiomas, imagens, áudio, vídeo e código. Você pode usar a API Gemini para casos de uso como raciocínio em texto e imagens, geração de conteúdo, agentes de diálogo, sistemas de resumo e classificação e muito mais.

Serviço: generativelanguage.googleapis.com

Para chamar esse serviço, recomendamos que você use as bibliotecas de cliente fornecidas pelo Google. Caso o aplicativo precise usar bibliotecas próprias para chamar esse serviço, use as informações a seguir quando fizer as solicitações da API.

Endpoint de serviço

Um endpoint de serviço é um URL de base que especifica o endereço de rede de um serviço de API. Um serviço pode ter vários endpoints de serviço. Este serviço tem o endpoint a seguir e todos os URIs abaixo são relativos a ele:

https://generativelanguage.googleapis.com

Recurso REST: v1beta.batches

Métodos
`cancel`	`POST /v1beta/{name=batches/*}:cancel` Inicia o cancelamento assíncrono em uma operação de longa duração.
`delete`	`DELETE /v1beta/{name=batches/*}` Exclui uma operação de longa duração.
`get`	`GET /v1beta/{name=batches/*}` Recebe o estado mais recente de uma operação de longa duração.
`list`	`GET /v1beta/{name=batches}` Lista as operações correspondentes ao filtro especificado na solicitação.
`updateEmbedContentBatch`	`PATCH /v1beta/{embedContentBatch.name=batches/*}:updateEmbedContentBatch` Atualiza um lote de solicitações EmbedContent para processamento em lote.
`updateGenerateContentBatch`	`PATCH /v1beta/{generateContentBatch.name=batches/*}:updateGenerateContentBatch` Atualiza um lote de solicitações GenerateContent para processamento em lote.

Recurso REST: v1beta.cachedContents

Métodos
`create`	`POST /v1beta/cachedContents` Cria um recurso CachedContent.
`delete`	`DELETE /v1beta/{name=cachedContents/*}` Exclui o recurso CachedContent.
`get`	`GET /v1beta/{name=cachedContents/*}` Lê o recurso CachedContent.
`list`	`GET /v1beta/cachedContents` Lista CachedContents.
`patch`	`PATCH /v1beta/{cachedContent.name=cachedContents/*}` Atualiza o recurso CachedContent. Somente o prazo de validade pode ser atualizado.

Recurso REST: v1beta.files

Métodos
`delete`	`DELETE /v1beta/{name=files/*}` Exclui o `File`.
`get`	`GET /v1beta/{name=files/*}` Recebe os metadados do `File` especificado.
`list`	`GET /v1beta/files` Lista os metadados dos `File`s pertencentes ao projeto solicitante.

Recurso REST: v1beta.media

Métodos
`upload`	`POST /v1beta/{ragStoreName=ragStores/}:uploadToRagStore` `POST /upload/v1beta/{ragStoreName=ragStores/}:uploadToRagStore` Faz upload de dados para um ragStore, pré-processa e divide em partes antes de armazenar em um documento do RagStore.

Recurso REST: v1beta.models

Métodos
`asyncBatchEmbedContent`	`POST /v1beta/{batch.model=models/*}:asyncBatchEmbedContent` Enfileira um lote de solicitações `EmbedContent` para processamento em lote.
`batchEmbedContents`	`POST /v1beta/{model=models/*}:batchEmbedContents` Gera vários vetores de embedding da entrada `Content`, que consiste em um lote de strings representadas como objetos `EmbedContentRequest`.
`batchEmbedText`	`POST /v1beta/{model=models/*}:batchEmbedText` Gera vários embeddings do modelo com base no texto de entrada em uma chamada síncrona.
`batchGenerateContent`	`POST /v1beta/{batch.model=models/*}:batchGenerateContent` Enfileira um lote de solicitações `GenerateContent` para processamento em lote.
`countMessageTokens`	`POST /v1beta/{model=models/*}:countMessageTokens` Executa o tokenizador de um modelo em uma string e retorna a contagem de tokens.
`countTextTokens`	`POST /v1beta/{model=models/*}:countTextTokens` Executa o tokenizador de um modelo em um texto e retorna a contagem de tokens.
`countTokens`	`POST /v1beta/{model=models/*}:countTokens` Executa o tokenizador de um modelo na entrada `Content` e retorna a contagem de tokens.
`embedContent`	`POST /v1beta/{model=models/*}:embedContent` Gera um vetor de embedding de texto da entrada `Content` usando o modelo de embedding do Gemini especificado.
`embedText`	`POST /v1beta/{model=models/*}:embedText` Gera um embedding do modelo com base em uma mensagem de entrada.
`generateContent`	`POST /v1beta/{model=models/*}:generateContent` Gera uma resposta do modelo com base em uma entrada `GenerateContentRequest`.
`generateMessage`	`POST /v1beta/{model=models/*}:generateMessage` Gera uma resposta do modelo com base em uma entrada `MessagePrompt`.
`generateText`	`POST /v1beta/{model=models/*}:generateText` Gera uma resposta do modelo com base em uma mensagem de entrada.
`get`	`GET /v1beta/{name=models/*}` Recebe informações sobre um `Model` específico, como número da versão, limites de token, parâmetros e outros metadados.
`list`	`GET /v1beta/models` Lista os `Model`s disponíveis na API Gemini.
`predict`	`POST /v1beta/{model=models/*}:predict` Executa uma solicitação de previsão.
`predictLongRunning`	`POST /v1beta/{model=models/*}:predictLongRunning` Igual a "Predict", mas retorna um LRO.
`streamGenerateContent`	`POST /v1beta/{model=models/*}:streamGenerateContent` Gera uma resposta transmitida do modelo com base em uma entrada `GenerateContentRequest`.