All methods

Generative Language API

開發人員可透過 Gemini API，使用 Gemini 模型建構生成式 AI 應用程式。Gemini 是 Google 最強大的模型，打從設計之初就具有多模態的特質。可歸納內容，完美解讀、操作及結合語言、圖片、音訊、影片和程式碼等不同類型的資訊。您可以使用 Gemini API 處理各種用途，例如跨文字和圖片進行推理、生成內容、對話式代理程式、摘要和分類系統等。

服務：generativelanguage.googleapis.com

如要呼叫這項服務，建議您使用 Google 提供的用戶端程式庫。如果您的應用程式需要使用自己的程式庫呼叫這項服務，請在發出 API 要求時使用下列資訊。

服務端點

服務端點是指定 API 服務網路位址的基準網址。一項服務可能有多個服務端點。這項服務有以下服務端點，且下方的 URI 皆以此服務端點為基準：

https://generativelanguage.googleapis.com

REST 資源：v1beta.batches

方法
`cancel`	`POST /v1beta/{name=batches/*}:cancel` 開始以非同步的方式，取消長時間執行的作業。
`delete`	`DELETE /v1beta/{name=batches/*}` 刪除長時間執行的作業。
`get`	`GET /v1beta/{name=batches/*}` 取得長時間執行作業的最新狀態。
`list`	`GET /v1beta/{name=batches}` 列出符合要求中指定篩選器的作業。
`updateEmbedContentBatch`	`PATCH /v1beta/{embedContentBatch.name=batches/*}:updateEmbedContentBatch` 更新一批 EmbedContent 要求，以進行批次處理。
`updateGenerateContentBatch`	`PATCH /v1beta/{generateContentBatch.name=batches/*}:updateGenerateContentBatch` 更新批次處理的 GenerateContent 要求。

REST 資源：v1beta.cachedContents

方法
`create`	`POST /v1beta/cachedContents` 建立 CachedContent 資源。
`delete`	`DELETE /v1beta/{name=cachedContents/*}` 刪除 CachedContent 資源。
`get`	`GET /v1beta/{name=cachedContents/*}` 讀取 CachedContent 資源。
`list`	`GET /v1beta/cachedContents` 列出 CachedContents。
`patch`	`PATCH /v1beta/{cachedContent.name=cachedContents/*}` 更新 CachedContent 資源 (只有到期時間可更新)。

REST 資源：v1beta.files

方法
`delete`	`DELETE /v1beta/{name=files/*}` 刪除 `File`。
`get`	`GET /v1beta/{name=files/*}` 取得指定 `File` 的中繼資料。
`list`	`GET /v1beta/files` 列出要求專案擁有的 `File` 中繼資料。

REST 資源：v1beta.media

方法
`upload`	`POST /v1beta/{ragStoreName=ragStores/}:uploadToRagStore` `POST /upload/v1beta/{ragStoreName=ragStores/}:uploadToRagStore` 將資料上傳至 ragStore，並在預先處理和分塊後，儲存至 RagStore 文件。

REST 資源：v1beta.models

方法
`asyncBatchEmbedContent`	`POST /v1beta/{batch.model=models/*}:asyncBatchEmbedContent` 將一批 `EmbedContent` 要求排入佇列，以進行批次處理。
`batchEmbedContents`	`POST /v1beta/{model=models/*}:batchEmbedContents` 從輸入的 `Content` 產生多個嵌入向量，其中包含以 `EmbedContentRequest` 物件表示的一批字串。
`batchEmbedText`	`POST /v1beta/{model=models/*}:batchEmbedText` 模型會透過同步呼叫，根據輸入文字生成多個嵌入項目。
`batchGenerateContent`	`POST /v1beta/{batch.model=models/*}:batchGenerateContent` 將一批 `GenerateContent` 要求排入佇列，以進行批次處理。
`countMessageTokens`	`POST /v1beta/{model=models/*}:countMessageTokens` 在字串上執行模型的權杖化工具，並傳回權杖計數。
`countTextTokens`	`POST /v1beta/{model=models/*}:countTextTokens` 對文字執行模型的權杖化工具，並傳回權杖計數。
`countTokens`	`POST /v1beta/{model=models/*}:countTokens` 在輸入 `Content` 上執行模型的權杖化工具，並傳回權杖計數。
`embedContent`	`POST /v1beta/{model=models/*}:embedContent` 使用指定的 Gemini 嵌入模型，從輸入 `Content` 生成文字嵌入向量。
`embedText`	`POST /v1beta/{model=models/*}:embedText` 根據輸入訊息，從模型生成嵌入內容。
`generateContent`	`POST /v1beta/{model=models/*}:generateContent` 根據輸入內容 `GenerateContentRequest` 生成模型回覆。
`generateMessage`	`POST /v1beta/{model=models/*}:generateMessage` 根據輸入內容 `MessagePrompt` 生成模型回覆。
`generateText`	`POST /v1beta/{model=models/*}:generateText` 根據輸入訊息生成模型回覆。
`get`	`GET /v1beta/{name=models/*}` 取得特定 `Model` 的相關資訊，例如版本號碼、權杖限制、參數和其他中繼資料。
`list`	`GET /v1beta/models` 列出透過 Gemini API 提供的`Model`。
`predict`	`POST /v1beta/{model=models/*}:predict` 執行預測要求。
`predictLongRunning`	`POST /v1beta/{model=models/*}:predictLongRunning` 與 Predict 相同，但會傳回 LRO。
`streamGenerateContent`	`POST /v1beta/{model=models/*}:streamGenerateContent` 根據輸入內容 `GenerateContentRequest`，從模型生成串流回應。