All methods

Generative Language API

Gemini API ช่วยให้นักพัฒนาแอปสร้างแอปพลิเคชัน Generative AI โดยใช้โมเดล Gemini ได้ Gemini คือโมเดลที่มากความสามารถที่สุดของเรา ซึ่งสร้างขึ้นมาใหม่ทั้งหมดให้ทำงานได้หลายรูปแบบ สามารถสรุปและทำความเข้าใจ ทำงานท่ามกลางความหลากของข้อมูล และรวมข้อมูลประเภทต่างๆ เข้าด้วยกันได้อย่างราบรื่น ทั้งภาษา รูปภาพ เสียง วิดีโอ และโค้ด คุณสามารถใช้ Gemini API สำหรับ Use Case ต่างๆ เช่น การให้เหตุผลในข้อความและรูปภาพ การสร้างเนื้อหา เอเจนต์โต้ตอบ ระบบสรุปและการจัดประเภท และอื่นๆ

บริการ: generativelanguage.googleapis.com

หากต้องการเรียกใช้บริการนี้ เราขอแนะนำให้คุณใช้ไลบรารีของไคลเอ็นต์ที่ Google จัดหาให้ หากแอปพลิเคชันของคุณต้องใช้ไลบรารีของคุณเองเพื่อเรียกใช้บริการนี้ ให้ใช้ข้อมูลต่อไปนี้เมื่อส่งคำขอ API

ปลายทางบริการ

ปลายทางบริการคือ URL ฐานที่ระบุที่อยู่เครือข่ายของบริการ API บริการหนึ่งๆ อาจมีปลายทางบริการหลายรายการ บริการนี้มีปลายทางของบริการต่อไปนี้ และ URI ทั้งหมดด้านล่างจะเกี่ยวข้องกับปลายทางของบริการนี้

  • https://generativelanguage.googleapis.com

ทรัพยากร REST: v1beta.batches

เมธอด
cancel POST /v1beta/{name=batches/*}:cancel
เริ่มการยกเลิกแบบไม่พร้อมกันในการดำเนินการที่ใช้เวลานาน
delete DELETE /v1beta/{name=batches/*}
ลบการดำเนินการที่ใช้เวลานาน
get GET /v1beta/{name=batches/*}
รับสถานะล่าสุดของการดำเนินการที่ใช้เวลานาน
list GET /v1beta/{name=batches}
แสดงการดำเนินการที่ตรงกับตัวกรองที่ระบุในคำขอ
updateEmbedContentBatch PATCH /v1beta/{embedContentBatch.name=batches/*}:updateEmbedContentBatch
อัปเดตคำขอ EmbedContent แบบเป็นกลุ่มสำหรับการประมวลผลแบบเป็นกลุ่ม
updateGenerateContentBatch PATCH /v1beta/{generateContentBatch.name=batches/*}:updateGenerateContentBatch
อัปเดตคำขอ GenerateContent แบบเป็นกลุ่มสำหรับการประมวลผลแบบเป็นกลุ่ม

ทรัพยากร REST: v1beta.cachedContents

เมธอด
create POST /v1beta/cachedContents
สร้างทรัพยากร CachedContent
delete DELETE /v1beta/{name=cachedContents/*}
ลบทรัพยากร CachedContent
get GET /v1beta/{name=cachedContents/*}
อ่านทรัพยากร CachedContent
list GET /v1beta/cachedContents
แสดงรายการ CachedContents
patch PATCH /v1beta/{cachedContent.name=cachedContents/*}
อัปเดตทรัพยากร CachedContent (อัปเดตได้เฉพาะการหมดอายุ)

ทรัพยากร REST: v1beta.fileSearchStores

เมธอด
create POST /v1beta/fileSearchStores
สร้าง FileSearchStore ว่าง
delete DELETE /v1beta/{name=fileSearchStores/*}
ลบ FileSearchStore
get GET /v1beta/{name=fileSearchStores/*}
รับข้อมูลเกี่ยวกับ FileSearchStore ที่เฉพาะเจาะจง
importFile POST /v1beta/{fileSearchStoreName=fileSearchStores/*}:importFile
นำเข้า File จากบริการไฟล์ไปยัง FileSearchStore
list GET /v1beta/fileSearchStores
แสดงรายการ FileSearchStores ทั้งหมดที่ผู้ใช้เป็นเจ้าของ

ทรัพยากร REST: v1beta.fileSearchStores.documents

เมธอด
delete DELETE /v1beta/{name=fileSearchStores/*/documents/*}
ลบ Document
get GET /v1beta/{name=fileSearchStores/*/documents/*}
รับข้อมูลเกี่ยวกับ Document ที่เฉพาะเจาะจง
list GET /v1beta/{parent=fileSearchStores/*}/documents
แสดง Document ทั้งหมดใน Corpus

ทรัพยากร REST: v1beta.fileSearchStores.operations

เมธอด
get GET /v1beta/{name=fileSearchStores/*/operations/*}
รับสถานะล่าสุดของการดำเนินการที่ใช้เวลานาน

ทรัพยากร REST: v1beta.fileSearchStores.upload.operations

เมธอด
get GET /v1beta/{name=fileSearchStores/*/upload/operations/*}
รับสถานะล่าสุดของการดำเนินการที่ใช้เวลานาน

ทรัพยากร REST: v1beta.files

เมธอด
delete DELETE /v1beta/{name=files/*}
ลบ File
get GET /v1beta/{name=files/*}
รับข้อมูลเมตาสำหรับ File ที่ระบุ
list GET /v1beta/files
แสดงข้อมูลเมตาสำหรับ File ที่โปรเจ็กต์ที่ขอเป็นเจ้าของ

ทรัพยากร REST: v1beta.media

เมธอด
upload POST /v1beta/files
POST /upload/v1beta/files
สร้าง File
uploadToFileSearchStore POST /v1beta/{fileSearchStoreName=fileSearchStores/*}:uploadToFileSearchStore
POST /upload/v1beta/{fileSearchStoreName=fileSearchStores/*}:uploadToFileSearchStore
อัปโหลดข้อมูลไปยัง FileSearchStore ประมวลผลล่วงหน้าและแบ่งเป็นกลุ่มก่อนจัดเก็บในเอกสาร FileSearchStore

ทรัพยากร REST: v1beta.models

เมธอด
asyncBatchEmbedContent POST /v1beta/{batch.model=models/*}:asyncBatchEmbedContent
จัดคิวคำขอ EmbedContent เป็นกลุ่มเพื่อประมวลผลแบบเป็นกลุ่ม
batchEmbedContents POST /v1beta/{model=models/*}:batchEmbedContents
สร้างเวกเตอร์การฝังหลายรายการจากอินพุต Content ซึ่งประกอบด้วยสตริงกลุ่มหนึ่งที่แสดงเป็นออบเจ็กต์ EmbedContentRequest
batchEmbedText POST /v1beta/{model=models/*}:batchEmbedText
สร้างการฝังหลายรายการจากโมเดลโดยใช้ข้อความอินพุตในการเรียกแบบซิงโครนัส
batchGenerateContent POST /v1beta/{batch.model=models/*}:batchGenerateContent
จัดคิวคำขอ GenerateContent เป็นกลุ่มเพื่อประมวลผลแบบเป็นกลุ่ม
countMessageTokens POST /v1beta/{model=models/*}:countMessageTokens
เรียกใช้โทเค็นไนเซอร์ของโมเดลในสตริงและแสดงผลจำนวนโทเค็น
countTextTokens POST /v1beta/{model=models/*}:countTextTokens
เรียกใช้โทเค็นไนเซอร์ของโมเดลในข้อความและแสดงผลจำนวนโทเค็น
countTokens POST /v1beta/{model=models/*}:countTokens
เรียกใช้โทเค็นไนเซอร์ของโมเดลในอินพุต Content และแสดงผลจำนวนโทเค็น
embedContent POST /v1beta/{model=models/*}:embedContent
สร้างเวกเตอร์การฝังข้อความจากอินพุต Content โดยใช้โมเดลการฝัง Gemini ที่ระบุ
embedText POST /v1beta/{model=models/*}:embedText
สร้างการฝังจากโมเดลที่กำหนดข้อความอินพุต
generateContent POST /v1beta/{model=models/*}:generateContent
สร้างคำตอบของโมเดลเมื่อได้รับอินพุต GenerateContentRequest
generateMessage POST /v1beta/{model=models/*}:generateMessage
สร้างคำตอบจากโมเดลโดยพิจารณาจากอินพุต MessagePrompt
generateText POST /v1beta/{model=models/*}:generateText
สร้างการตอบกลับจากโมเดลเมื่อได้รับข้อความอินพุต
get GET /v1beta/{name=models/*}
รับข้อมูลเกี่ยวกับ Model ที่เฉพาะเจาะจง เช่น หมายเลขเวอร์ชัน ขีดจํากัดโทเค็น พารามิเตอร์ และข้อมูลเมตาอื่นๆ
list GET /v1beta/models
แสดงรายการModel ที่พร้อมใช้งานผ่าน Gemini API
predict POST /v1beta/{model=models/*}:predict
ส่งคำขอการคาดการณ์
predictLongRunning POST /v1beta/{model=models/*}:predictLongRunning
เหมือนกับ Predict แต่จะแสดงผล LRO
streamGenerateContent POST /v1beta/{model=models/*}:streamGenerateContent
สร้างการตอบกลับแบบสตรีมจากโมเดลเมื่อได้รับอินพุต GenerateContentRequest