PaLM (deprecated)

পদ্ধতি: models.generateText

একটি ইনপুট বার্তা দেওয়া মডেল থেকে একটি প্রতিক্রিয়া তৈরি করে।

শেষপ্রান্ত

পোস্ট https://generativelanguage.googleapis.com/v1beta/{model=models/*}:generateText

পাথ প্যারামিটার

model string

প্রয়োজন। Model বা TunedModel এর নাম যা সম্পূর্ণতা তৈরি করার জন্য ব্যবহার করা হবে। উদাহরণ: models/text-bison-001 tunedModels/sentence-translator-u3b7m এটি ফর্ম models/{model} লাগে।

শরীরের অনুরোধ

অনুরোধের অংশে নিম্নলিখিত কাঠামো সহ ডেটা রয়েছে:

ক্ষেত্র
prompt object ( TextPrompt )

প্রয়োজন। প্রম্পট হিসাবে মডেলকে দেওয়া ফ্রি-ফর্ম ইনপুট পাঠ্য।

একটি প্রম্পট দেওয়া হলে, মডেলটি একটি TextCompletion প্রতিক্রিয়া তৈরি করবে যা এটি ইনপুট পাঠ্যের সমাপ্তির পূর্বাভাস দেয়।

safetySettings[] object ( SafetySetting )

ঐচ্ছিক। অনিরাপদ বিষয়বস্তু ব্লক করার জন্য অনন্য SafetySetting দৃষ্টান্তের একটি তালিকা।

যা GenerateTextRequest.prompt এবং GenerateTextResponse.candidates এ প্রয়োগ করা হবে। প্রতিটি SafetyCategory প্রকারের জন্য একাধিক সেটিং থাকা উচিত নয়৷ এপিআই এই সেটিংস দ্বারা নির্ধারিত থ্রেশহোল্ড পূরণ করতে ব্যর্থ যে কোনো প্রম্পট এবং প্রতিক্রিয়া ব্লক করবে। এই তালিকাটি সেফটিসেটিংসে নির্দিষ্ট করা প্রতিটি SafetyCategory জন্য ডিফল্ট সেটিংস ওভাররাইড করে। যদি তালিকায় প্রদত্ত একটি প্রদত্ত SafetyCategory জন্য কোনো SafetySetting না থাকে, তাহলে API সেই বিভাগের জন্য ডিফল্ট নিরাপত্তা সেটিং ব্যবহার করবে। ক্ষতির বিভাগ HARM_CATEGORY_DEROGATORY, HARM_CATEGORY_TOXICITY, HARM_CATEGORY_VIOLENCE, HARM_CATEGORY_SEXUAL, HARM_CATEGORY_MEDICAL, HARM_CATEGORY_DANGEROUS পাঠ্য পরিষেবাতে সমর্থিত।

stopSequences[] string

ক্যারেক্টার সিকোয়েন্সের সেট (5 পর্যন্ত) যা আউটপুট জেনারেশন বন্ধ করবে। নির্দিষ্ট করা হলে, API একটি স্টপ সিকোয়েন্সের প্রথম উপস্থিতিতে থামবে। স্টপ ক্রম প্রতিক্রিয়া অংশ হিসাবে অন্তর্ভুক্ত করা হবে না.

temperature number

ঐচ্ছিক। আউটপুটের এলোমেলোতা নিয়ন্ত্রণ করে। দ্রষ্টব্য: ডিফল্ট মান মডেল অনুসারে পরিবর্তিত হয়, দেখুন Model Model.temperature বৈশিষ্ট্যটি getModel ফাংশন প্রদান করেছে।

মানগুলি সহ [0.0,1.0] থেকে পরিসীমা হতে পারে। 1.0-এর কাছাকাছি একটি মান প্রতিক্রিয়া তৈরি করবে যা আরও বৈচিত্র্যময় এবং সৃজনশীল, যখন 0.0-এর কাছাকাছি একটি মান সাধারণত মডেল থেকে আরও সহজবোধ্য প্রতিক্রিয়া তৈরি করবে।

candidateCount integer

ঐচ্ছিক। ফিরে আসার জন্য উত্পন্ন প্রতিক্রিয়ার সংখ্যা।

এই মানটি অবশ্যই [1, 8] এর মধ্যে হতে হবে। সেট না থাকলে, এটি 1 এ ডিফল্ট হবে।

maxOutputTokens integer

ঐচ্ছিক। একজন প্রার্থীকে অন্তর্ভুক্ত করার জন্য সর্বাধিক সংখ্যক টোকেন।

সেট না থাকলে, এটি Model স্পেসিফিকেশনে নির্দিষ্ট করা আউটপুট টোকেন লিমিটে ডিফল্ট হবে।

topP number

ঐচ্ছিক। নমুনা নেওয়ার সময় বিবেচনা করতে টোকেনগুলির সর্বাধিক ক্রমবর্ধমান সম্ভাবনা৷

মডেলটি সম্মিলিত টপ-কে এবং নিউক্লিয়াস স্যাম্পলিং ব্যবহার করে।

টোকেনগুলি তাদের নির্ধারিত সম্ভাব্যতার উপর ভিত্তি করে সাজানো হয় যাতে শুধুমাত্র সবচেয়ে সম্ভাব্য টোকেনগুলিকে বিবেচনা করা হয়। টপ-কে নমুনা সরাসরি বিবেচনা করার জন্য সর্বাধিক সংখ্যক টোকেনকে সীমাবদ্ধ করে, যখন নিউক্লিয়াস স্যাম্পলিং ক্রমবর্ধমান সম্ভাব্যতার উপর ভিত্তি করে টোকেনের সংখ্যা সীমাবদ্ধ করে।

দ্রষ্টব্য: ডিফল্ট মান মডেল অনুসারে পরিবর্তিত হয়, দেখুন Model Model.top_p বৈশিষ্ট্যটি getModel ফাংশন প্রদান করেছে।

topK integer

ঐচ্ছিক। নমুনা নেওয়ার সময় সর্বাধিক সংখ্যক টোকেন বিবেচনা করতে হবে।

মডেলটি সম্মিলিত টপ-কে এবং নিউক্লিয়াস স্যাম্পলিং ব্যবহার করে।

Top-k স্যাম্পলিং topK সবচেয়ে সম্ভাব্য টোকেনের সেট বিবেচনা করে। ডিফল্ট 40.

দ্রষ্টব্য: ডিফল্ট মান মডেল অনুসারে পরিবর্তিত হয়, দেখুন Model Model.top_k বৈশিষ্ট্যটি getModel ফাংশন প্রদান করেছে।

প্রতিক্রিয়া শরীর

সফল হলে, প্রতিক্রিয়া বডিতে GenerateTextResponse এর একটি উদাহরণ থাকে।

পদ্ধতি: models.countTextTokens

একটি পাঠ্যের উপর একটি মডেলের টোকেনাইজার চালায় এবং টোকেন গণনা প্রদান করে।

শেষপ্রান্ত

পোস্ট https://generativelanguage.googleapis.com/v1beta/{model=models/*}:countTextTokens

পাথ প্যারামিটার

model string

প্রয়োজন। মডেলের সম্পদের নাম। এটি মডেল ব্যবহার করার জন্য একটি আইডি হিসাবে কাজ করে।

এই নামটি models.list পদ্ধতি দ্বারা প্রত্যাবর্তিত একটি মডেল নামের সাথে মিলিত হওয়া উচিত।

বিন্যাস: models/{model} এটি ফর্ম models/{model} লাগে।

শরীরের অনুরোধ

অনুরোধের অংশে নিম্নলিখিত কাঠামো সহ ডেটা রয়েছে:

ক্ষেত্র
prompt object ( TextPrompt )

প্রয়োজন। প্রম্পট হিসাবে মডেলকে দেওয়া ফ্রি-ফর্ম ইনপুট পাঠ্য।

প্রতিক্রিয়া শরীর

models.countTextTokens থেকে একটি প্রতিক্রিয়া।

এটি prompt জন্য মডেলের tokenCount ফেরত দেয়।

সফল হলে, প্রতিক্রিয়া বডিতে নিম্নলিখিত কাঠামোর সাথে ডেটা থাকে:

ক্ষেত্র
tokenCount integer

model prompt টোকেনাইজ করে এমন টোকেনের সংখ্যা৷

সবসময় অ নেতিবাচক.

JSON প্রতিনিধিত্ব
{
  "tokenCount": integer
}

পদ্ধতি: models.generateMessage

একটি ইনপুট MessagePrompt দেওয়া মডেল থেকে একটি প্রতিক্রিয়া তৈরি করে।

শেষপ্রান্ত

পোস্ট https://generativelanguage.googleapis.com/v1beta/{model=models/*}:generateMessage

পাথ প্যারামিটার

model string

প্রয়োজন। ব্যবহার করার জন্য মডেলের নাম।

বিন্যাস: name=models/{model} । এটি ফর্ম models/{model} লাগে।

শরীরের অনুরোধ

অনুরোধের অংশে নিম্নলিখিত কাঠামো সহ ডেটা রয়েছে:

ক্ষেত্র
prompt object ( MessagePrompt )

প্রয়োজন। প্রম্পট হিসাবে মডেলে দেওয়া কাঠামোগত পাঠ্য ইনপুট।

একটি প্রম্পট দেওয়া হলে, মডেলটি আলোচনার পরবর্তী বার্তা যা ভবিষ্যদ্বাণী করে তা ফিরিয়ে দেবে।

temperature number

ঐচ্ছিক। আউটপুটের এলোমেলোতা নিয়ন্ত্রণ করে।

মানগুলি সহ [0.0,1.0] এর বেশি হতে পারে। 1.0 এর কাছাকাছি একটি মান আরও বৈচিত্র্যময় প্রতিক্রিয়া তৈরি করবে, যখন 0.0 এর কাছাকাছি একটি মান সাধারণত মডেল থেকে কম আশ্চর্যজনক প্রতিক্রিয়া সৃষ্টি করবে।

candidateCount integer

ঐচ্ছিক। ফেরত পাঠানোর জন্য উত্পন্ন প্রতিক্রিয়া বার্তার সংখ্যা৷

এই মান অবশ্যই [1, 8] এর মধ্যে হতে হবে, অন্তর্ভুক্ত। সেট না থাকলে, এটি 1 এ ডিফল্ট হবে।

topP number

ঐচ্ছিক। নমুনা নেওয়ার সময় বিবেচনা করতে টোকেনগুলির সর্বাধিক ক্রমবর্ধমান সম্ভাবনা৷

মডেলটি সম্মিলিত টপ-কে এবং নিউক্লিয়াস স্যাম্পলিং ব্যবহার করে।

নিউক্লিয়াস স্যাম্পলিং টোকেনের ক্ষুদ্রতম সেট বিবেচনা করে যার সম্ভাব্যতার যোগফল কমপক্ষে topP ।

topK integer

ঐচ্ছিক। নমুনা নেওয়ার সময় সর্বাধিক সংখ্যক টোকেন বিবেচনা করতে হবে।

মডেলটি সম্মিলিত টপ-কে এবং নিউক্লিয়াস স্যাম্পলিং ব্যবহার করে।

Top-k স্যাম্পলিং topK সবচেয়ে সম্ভাব্য টোকেনের সেট বিবেচনা করে।

প্রতিক্রিয়া শরীর

মডেল থেকে প্রতিক্রিয়া.

এর মধ্যে রয়েছে প্রার্থীর বার্তা এবং কালানুক্রমিকভাবে সাজানো বার্তার আকারে কথোপকথনের ইতিহাস।

সফল হলে, প্রতিক্রিয়া বডিতে নিম্নলিখিত কাঠামোর সাথে ডেটা থাকে:

ক্ষেত্র
candidates[] object ( Message )

মডেল থেকে প্রার্থী প্রতিক্রিয়া বার্তা.

messages[] object ( Message )

মডেল দ্বারা ব্যবহৃত কথোপকথন ইতিহাস.

filters[] object ( ContentFilter )

প্রম্পট এবং প্রতিক্রিয়া পাঠ্যের জন্য সামগ্রী ফিল্টারিং মেটাডেটার একটি সেট।

এটি নির্দেশ করে যে কোন SafetyCategory (গুলি) এই প্রতিক্রিয়া থেকে একজন প্রার্থীকে ব্লক করেছে, সর্বনিম্ন HarmProbability যা একটি ব্লককে ট্রিগার করেছে এবং সেই বিভাগের জন্য HarmThreshold সেটিং।

JSON প্রতিনিধিত্ব
{
  "candidates": [
    {
      object (Message)
    }
  ],
  "messages": [
    {
      object (Message)
    }
  ],
  "filters": [
    {
      object (ContentFilter)
    }
  ]
}

পদ্ধতি: models.countMessageTokens

একটি স্ট্রিং এ একটি মডেলের টোকেনাইজার চালায় এবং টোকেন গণনা প্রদান করে।

শেষপ্রান্ত

পোস্ট https://generativelanguage.googleapis.com/v1beta/{model=models/*}:countMessageTokens

পাথ প্যারামিটার

model string

প্রয়োজন। মডেলের সম্পদের নাম। এটি মডেল ব্যবহার করার জন্য একটি আইডি হিসাবে কাজ করে।

এই নামটি models.list পদ্ধতি দ্বারা প্রত্যাবর্তিত একটি মডেল নামের সাথে মিলিত হওয়া উচিত।

বিন্যাস: models/{model} এটি ফর্ম models/{model} লাগে।

শরীরের অনুরোধ

অনুরোধের অংশে নিম্নলিখিত কাঠামো সহ ডেটা রয়েছে:

ক্ষেত্র
prompt object ( MessagePrompt )

প্রয়োজন। প্রম্পট, যার টোকেন গণনা ফেরত দিতে হবে।

প্রতিক্রিয়া শরীর

models.countMessageTokens থেকে একটি প্রতিক্রিয়া।

এটি prompt জন্য মডেলের tokenCount ফেরত দেয়।

সফল হলে, প্রতিক্রিয়া বডিতে নিম্নলিখিত কাঠামোর সাথে ডেটা থাকে:

ক্ষেত্র
tokenCount integer

model prompt টোকেনাইজ করে এমন টোকেনের সংখ্যা৷

সবসময় অ নেতিবাচক.

JSON প্রতিনিধিত্ব
{
  "tokenCount": integer
}

পদ্ধতি: models.embedText

একটি ইনপুট বার্তা দেওয়া মডেল থেকে একটি এমবেডিং তৈরি করে।

শেষপ্রান্ত

পোস্ট https://generativelanguage.googleapis.com/v1beta/{model=models/*}:embedText

পাথ প্যারামিটার

model string

প্রয়োজন। মডেল=মডেল/{মডেল} ফর্ম্যাটের সাথে ব্যবহার করার জন্য মডেলের নাম। এটি ফর্ম models/{model} লাগে।

শরীরের অনুরোধ

অনুরোধের অংশে নিম্নলিখিত কাঠামো সহ ডেটা রয়েছে:

ক্ষেত্র
text string

ঐচ্ছিক। ফ্রি-ফর্ম ইনপুট পাঠ্য যা মডেলটি একটি এম্বেডিং-এ পরিণত হবে৷

প্রতিক্রিয়া শরীর

একটি EmbedTextRequest এর প্রতিক্রিয়া।

সফল হলে, প্রতিক্রিয়া বডিতে নিম্নলিখিত কাঠামোর সাথে ডেটা থাকে:

ক্ষেত্র
embedding object ( Embedding )

শুধুমাত্র আউটপুট। ইনপুট টেক্সট থেকে এমবেডিং তৈরি করা হয়েছে।

JSON প্রতিনিধিত্ব
{
  "embedding": {
    object (Embedding)
  }
}

পদ্ধতি: models.batchEmbedText

একটি সিঙ্ক্রোনাস কলে প্রদত্ত ইনপুট পাঠ্য মডেল থেকে একাধিক এম্বেডিং তৈরি করে।

শেষপ্রান্ত

পোস্ট https://generativelanguage.googleapis.com/v1beta/{model=models/*}:batchEmbedText

পাথ প্যারামিটার

model string

প্রয়োজন। এমবেডিং তৈরি করার জন্য ব্যবহার করা Model নাম। উদাহরণ: models/embedding-gecko-001 এটি ফর্ম models/{model} লাগে।

শরীরের অনুরোধ

অনুরোধের অংশে নিম্নলিখিত কাঠামো সহ ডেটা রয়েছে:

ক্ষেত্র
texts[] string

ঐচ্ছিক। ফ্রি-ফর্ম ইনপুট পাঠ্য যা মডেলটি একটি এমবেডিংয়ে পরিণত হবে৷ বর্তমান সীমা হল 100টি পাঠ্য, যার উপরে একটি ত্রুটি নিক্ষেপ করা হবে৷

requests[] object ( EmbedTextRequest )

ঐচ্ছিক। ব্যাচের জন্য এম্বেড অনুরোধ. শুধুমাত্র একটি texts বা requests সেট করা যেতে পারে।

প্রতিক্রিয়া শরীর

একটি EmbedTextRequest এর প্রতিক্রিয়া।

সফল হলে, প্রতিক্রিয়া বডিতে নিম্নলিখিত কাঠামোর সাথে ডেটা থাকে:

ক্ষেত্র
embeddings[] object ( Embedding )

শুধুমাত্র আউটপুট। ইনপুট টেক্সট থেকে এমবেডিং তৈরি করা হয়েছে।

JSON প্রতিনিধিত্ব
{
  "embeddings": [
    {
      object (Embedding)
    }
  ]
}

EmbedTextRequest

মডেল থেকে একটি পাঠ্য এমবেডিং পেতে অনুরোধ.

JSON প্রতিনিধিত্ব
{
  "model": string,
  "text": string
}
ক্ষেত্র
model string

প্রয়োজন। মডেল=মডেল/{মডেল} ফর্ম্যাটের সাথে ব্যবহার করার জন্য মডেলের নাম।

text string

ঐচ্ছিক। ফ্রি-ফর্ম ইনপুট পাঠ্য যা মডেলটি একটি এম্বেডিং-এ পরিণত হবে৷

পদ্ধতি: tunedModels.generateText

একটি ইনপুট বার্তা দেওয়া মডেল থেকে একটি প্রতিক্রিয়া তৈরি করে।

শেষপ্রান্ত

পোস্ট https://generativelanguage.googleapis.com/v1beta/{model=tunedModels/*}:generateText

পাথ প্যারামিটার

model string

প্রয়োজন। Model বা TunedModel এর নাম যা সম্পূর্ণতা তৈরি করার জন্য ব্যবহার করা হবে। উদাহরণ: models/text-bison-001 tunedModels/sentence-translator-u3b7m এটি tunedModels/{tunedmodel} ফর্ম নেয়।

শরীরের অনুরোধ

অনুরোধের অংশে নিম্নলিখিত কাঠামো সহ ডেটা রয়েছে:

ক্ষেত্র
prompt object ( TextPrompt )

প্রয়োজন। প্রম্পট হিসাবে মডেলকে দেওয়া ফ্রি-ফর্ম ইনপুট পাঠ্য।

একটি প্রম্পট দেওয়া হলে, মডেলটি একটি TextCompletion প্রতিক্রিয়া তৈরি করবে যা এটি ইনপুট পাঠ্যের সমাপ্তির পূর্বাভাস দেয়।

safetySettings[] object ( SafetySetting )

ঐচ্ছিক। অনিরাপদ বিষয়বস্তু ব্লক করার জন্য অনন্য SafetySetting দৃষ্টান্তের একটি তালিকা।

যা GenerateTextRequest.prompt এবং GenerateTextResponse.candidates এ প্রয়োগ করা হবে। প্রতিটি SafetyCategory প্রকারের জন্য একাধিক সেটিং থাকা উচিত নয়৷ এপিআই এই সেটিংস দ্বারা নির্ধারিত থ্রেশহোল্ড পূরণ করতে ব্যর্থ যে কোনো প্রম্পট এবং প্রতিক্রিয়া ব্লক করবে। এই তালিকাটি সেফটিসেটিংসে নির্দিষ্ট করা প্রতিটি SafetyCategory জন্য ডিফল্ট সেটিংস ওভাররাইড করে। যদি তালিকায় প্রদত্ত একটি প্রদত্ত SafetyCategory জন্য কোনো SafetySetting না থাকে, তাহলে API সেই বিভাগের জন্য ডিফল্ট নিরাপত্তা সেটিং ব্যবহার করবে। ক্ষতির বিভাগ HARM_CATEGORY_DEROGATORY, HARM_CATEGORY_TOXICITY, HARM_CATEGORY_VIOLENCE, HARM_CATEGORY_SEXUAL, HARM_CATEGORY_MEDICAL, HARM_CATEGORY_DANGEROUS পাঠ্য পরিষেবাতে সমর্থিত।

stopSequences[] string

ক্যারেক্টার সিকোয়েন্সের সেট (5 পর্যন্ত) যা আউটপুট জেনারেশন বন্ধ করবে। নির্দিষ্ট করা হলে, API একটি স্টপ সিকোয়েন্সের প্রথম উপস্থিতিতে থামবে। স্টপ ক্রম প্রতিক্রিয়া অংশ হিসাবে অন্তর্ভুক্ত করা হবে না.

temperature number

ঐচ্ছিক। আউটপুটের এলোমেলোতা নিয়ন্ত্রণ করে। দ্রষ্টব্য: ডিফল্ট মান মডেল অনুসারে পরিবর্তিত হয়, দেখুন Model Model.temperature বৈশিষ্ট্যটি getModel ফাংশন প্রদান করেছে।

মানগুলি সহ [0.0,1.0] থেকে পরিসীমা হতে পারে। 1.0-এর কাছাকাছি একটি মান প্রতিক্রিয়া তৈরি করবে যা আরও বৈচিত্র্যময় এবং সৃজনশীল, যখন 0.0-এর কাছাকাছি একটি মান সাধারণত মডেল থেকে আরও সহজবোধ্য প্রতিক্রিয়া তৈরি করবে।

candidateCount integer

ঐচ্ছিক। ফিরে আসার জন্য উত্পন্ন প্রতিক্রিয়ার সংখ্যা।

এই মানটি অবশ্যই [1, 8] এর মধ্যে হতে হবে। সেট না থাকলে, এটি 1 এ ডিফল্ট হবে।

maxOutputTokens integer

ঐচ্ছিক। একজন প্রার্থীকে অন্তর্ভুক্ত করার জন্য সর্বাধিক সংখ্যক টোকেন।

সেট না থাকলে, এটি Model স্পেসিফিকেশনে নির্দিষ্ট করা আউটপুট টোকেন লিমিটে ডিফল্ট হবে।

topP number

ঐচ্ছিক। নমুনা নেওয়ার সময় বিবেচনা করতে টোকেনগুলির সর্বাধিক ক্রমবর্ধমান সম্ভাবনা৷

মডেলটি সম্মিলিত টপ-কে এবং নিউক্লিয়াস স্যাম্পলিং ব্যবহার করে।

টোকেনগুলি তাদের নির্ধারিত সম্ভাব্যতার উপর ভিত্তি করে সাজানো হয় যাতে শুধুমাত্র সবচেয়ে সম্ভাব্য টোকেনগুলিকে বিবেচনা করা হয়। টপ-কে নমুনা সরাসরি বিবেচনা করার জন্য সর্বাধিক সংখ্যক টোকেনকে সীমাবদ্ধ করে, যখন নিউক্লিয়াস স্যাম্পলিং ক্রমবর্ধমান সম্ভাব্যতার উপর ভিত্তি করে টোকেনের সংখ্যা সীমাবদ্ধ করে।

দ্রষ্টব্য: ডিফল্ট মান মডেল অনুসারে পরিবর্তিত হয়, দেখুন Model Model.top_p বৈশিষ্ট্যটি getModel ফাংশন প্রদান করেছে।

topK integer

ঐচ্ছিক। নমুনা নেওয়ার সময় সর্বাধিক সংখ্যক টোকেন বিবেচনা করতে হবে।

মডেলটি সম্মিলিত টপ-কে এবং নিউক্লিয়াস স্যাম্পলিং ব্যবহার করে।

Top-k স্যাম্পলিং topK সবচেয়ে সম্ভাব্য টোকেনের সেট বিবেচনা করে। ডিফল্ট 40.

দ্রষ্টব্য: ডিফল্ট মান মডেল অনুসারে পরিবর্তিত হয়, দেখুন Model Model.top_k বৈশিষ্ট্যটি getModel ফাংশন প্রদান করেছে।

প্রতিক্রিয়া শরীর

সফল হলে, প্রতিক্রিয়া বডিতে GenerateTextResponse এর একটি উদাহরণ থাকে।

কন্টেন্ট ফিল্টার

একটি একক অনুরোধ প্রক্রিয়াকরণের সাথে সম্পর্কিত বিষয়বস্তু ফিল্টারিং মেটাডেটা।

ContentFilter একটি কারণ এবং একটি ঐচ্ছিক সমর্থনকারী স্ট্রিং রয়েছে৷ কারণ অনির্দিষ্ট হতে পারে.

JSON প্রতিনিধিত্ব
{
  "reason": enum (BlockedReason),
  "message": string
}
ক্ষেত্র
reason enum ( BlockedReason )

অনুরোধ প্রক্রিয়াকরণের সময় বিষয়বস্তু ব্লক করার কারণ।

message string

একটি স্ট্রিং যা ফিল্টারিং আচরণকে আরো বিস্তারিতভাবে বর্ণনা করে।

অবরুদ্ধ কারণ

কেন বিষয়বস্তু ব্লক করা হতে পারে তার একটি তালিকা।

Enums
BLOCKED_REASON_UNSPECIFIED একটি অবরুদ্ধ কারণ নির্দিষ্ট করা হয়নি.
SAFETY বিষয়বস্তু নিরাপত্তা সেটিংস দ্বারা অবরুদ্ধ করা হয়েছে.
OTHER বিষয়বস্তু অবরুদ্ধ করা হয়েছে, কিন্তু কারণটি শ্রেণীভুক্ত নয়।

এমবেডিং

এম্বেডিং প্রতিনিধিত্বকারী ফ্লোটগুলির একটি তালিকা৷

JSON প্রতিনিধিত্ব
{
  "value": [
    number
  ]
}
ক্ষেত্র
value[] number

এমবেডিং মান.

বার্তা

কাঠামোবদ্ধ পাঠ্যের ভিত্তি একক।

একটি Message একজন author এবং Message content অন্তর্ভুক্ত করে।

author বার্তাগুলিকে ট্যাগ করতে ব্যবহৃত হয় যখন তারা পাঠ্য হিসাবে মডেলকে খাওয়ানো হয়।

JSON প্রতিনিধিত্ব
{
  "author": string,
  "content": string,
  "citationMetadata": {
    object (CitationMetadata)
  }
}
ক্ষেত্র
author string

ঐচ্ছিক। এই বার্তার লেখক.

এই বার্তাটির বিষয়বস্তু ট্যাগ করার জন্য এটি একটি কী হিসাবে কাজ করে যখন এটিকে পাঠ্য হিসাবে মডেলে দেওয়া হয়।

লেখক যেকোন আলফানিউমেরিক স্ট্রিং হতে পারে।

content string

প্রয়োজন। কাঠামোগত Message পাঠ্য বিষয়বস্তু।

citationMetadata object ( CitationMetadata )

শুধুমাত্র আউটপুট। এই Message মডেল-উত্পন্ন content জন্য উদ্ধৃতি তথ্য।

যদি এই Message মডেল থেকে আউটপুট হিসাবে তৈরি করা হয়, তাহলে এই ক্ষেত্রটি content অন্তর্ভুক্ত যেকোনো পাঠ্যের জন্য অ্যাট্রিবিউশন তথ্য দিয়ে তৈরি করা হতে পারে। এই ক্ষেত্রটি শুধুমাত্র আউটপুটে ব্যবহার করা হয়।

মেসেজ প্রম্পট

সমস্ত কাঠামোগত ইনপুট পাঠ্য প্রম্পট হিসাবে মডেলে পাঠানো হয়েছে।

একটি MessagePrompt ক্ষেত্রগুলির একটি কাঠামোগত সেট রয়েছে যা কথোপকথনের জন্য প্রসঙ্গ প্রদান করে, ব্যবহারকারীর ইনপুট/মডেল আউটপুট বার্তা জোড়ার উদাহরণ যা মডেলটিকে বিভিন্ন উপায়ে প্রতিক্রিয়া জানাতে প্রাইম করে এবং কথোপকথনের ইতিহাস বা বার্তাগুলির তালিকা যা কথোপকথনের বিকল্প মোড়কে প্রতিনিধিত্ব করে ব্যবহারকারী এবং মডেল।

JSON প্রতিনিধিত্ব
{
  "context": string,
  "examples": [
    {
      object (Example)
    }
  ],
  "messages": [
    {
      object (Message)
    }
  ]
}
ক্ষেত্র
context string

ঐচ্ছিক। প্রতিক্রিয়া গ্রাউন্ড করার জন্য প্রথমে মডেলকে টেক্সট প্রদান করা উচিত।

খালি না হলে, examples এবং messages আগে এই context প্রথমে মডেলকে দেওয়া হবে। একটি context ব্যবহার করার সময় ধারাবাহিকতা বজায় রাখার জন্য প্রতিটি অনুরোধের সাথে এটি প্রদান করতে ভুলবেন না।

এই ক্ষেত্রটি প্রসঙ্গ সরবরাহ করতে এবং প্রতিক্রিয়াগুলিকে গাইড করতে সহায়তা করার জন্য মডেলটিতে আপনার প্রম্পটের একটি বিবরণ হতে পারে। উদাহরণ: "ইংরেজি থেকে ফ্রেঞ্চে বাক্যাংশটি অনুবাদ করুন।" বা "একটি বিবৃতি দেওয়া হলে, অনুভূতিকে সুখী, দুঃখজনক বা নিরপেক্ষ হিসাবে শ্রেণীবদ্ধ করুন।"

মোট ইনপুট আকার মডেলের inputTokenLimit ছাড়িয়ে গেলে এবং ইনপুট অনুরোধটি কেটে গেলে এই ক্ষেত্রের অন্তর্ভুক্ত যেকোন কিছু বার্তা ইতিহাসের উপর অগ্রাধিকার পাবে৷

examples[] object ( Example )

ঐচ্ছিক। মডেল কি উত্পন্ন করা উচিত উদাহরণ.

এতে ব্যবহারকারীর ইনপুট এবং মডেলের অনুকরণ করা উচিত এমন প্রতিক্রিয়া উভয়ই অন্তর্ভুক্ত।

এই examples কথোপকথনের বার্তাগুলির সাথে অভিন্নভাবে বিবেচিত হয় ব্যতীত যে তারা messages ইতিহাসের উপর অগ্রাধিকার পায়: যদি মোট ইনপুট আকার মডেলের inputTokenLimit ছাড়িয়ে যায় তবে ইনপুটটি কেটে ফেলা হবে৷ examples আগে messages থেকে আইটেমগুলি বাদ দেওয়া হবে।

messages[] object ( Message )

প্রয়োজন। সাম্প্রতিক কথোপকথনের ইতিহাসের একটি স্ন্যাপশট কালানুক্রমিকভাবে সাজানো হয়েছে।

দুই লেখকের মধ্যে বিকল্প হয়ে যায়।

যদি মোট ইনপুট আকার মডেলের inputTokenLimit অতিক্রম করে তাহলে ইনপুটটি ছাঁটাই করা হবে: প্রাচীনতম আইটেমগুলি messages থেকে বাদ দেওয়া হবে৷

উদাহরণ

মডেল নির্দেশ দিতে ব্যবহৃত একটি ইনপুট/আউটপুট উদাহরণ।

এটি প্রদর্শন করে কিভাবে মডেলের প্রতিক্রিয়া বা তার প্রতিক্রিয়া বিন্যাস করা উচিত।

JSON প্রতিনিধিত্ব
{
  "input": {
    object (Message)
  },
  "output": {
    object (Message)
  }
}
ক্ষেত্র
input object ( Message )

প্রয়োজন। ব্যবহারকারীর কাছ থেকে একটি ইনপুট Message একটি উদাহরণ.

output object ( Message )

প্রয়োজন। ইনপুট দেওয়া মডেল কি আউটপুট করা উচিত একটি উদাহরণ.

টেক্সট রেসপন্স তৈরি করুন

প্রার্থীর সমাপ্তি সহ মডেল থেকে প্রতিক্রিয়া.

JSON প্রতিনিধিত্ব
{
  "candidates": [
    {
      object (TextCompletion)
    }
  ],
  "filters": [
    {
      object (ContentFilter)
    }
  ],
  "safetyFeedback": [
    {
      object (SafetyFeedback)
    }
  ]
}
ক্ষেত্র
candidates[] object ( TextCompletion )

মডেল থেকে প্রার্থী প্রতিক্রিয়া.

filters[] object ( ContentFilter )

প্রম্পট এবং প্রতিক্রিয়া পাঠ্যের জন্য সামগ্রী ফিল্টারিং মেটাডেটার একটি সেট।

এটি নির্দেশ করে যে কোন SafetyCategory (গুলি) এই প্রতিক্রিয়া থেকে একজন প্রার্থীকে ব্লক করেছে, সর্বনিম্ন HarmProbability যা একটি ব্লককে ট্রিগার করেছে এবং সেই বিভাগের জন্য HarmThreshold সেটিং। এটি SafetySettings ক্ষুদ্রতম পরিবর্তন নির্দেশ করে যা কমপক্ষে 1টি প্রতিক্রিয়া আনব্লক করতে প্রয়োজন হবে৷

অনুরোধে (বা API-এর ডিফল্ট SafetySettings ) SafetySettings দ্বারা ব্লকিং কনফিগার করা হয়েছে।

safetyFeedback[] object ( SafetyFeedback )

বিষয়বস্তু ফিল্টারিং সম্পর্কিত কোনো নিরাপত্তা প্রতিক্রিয়া প্রদান করে।

পাঠ্য সমাপ্তি

একটি মডেল থেকে আউটপুট পাঠ্য ফিরে এসেছে।

JSON প্রতিনিধিত্ব
{
  "output": string,
  "safetyRatings": [
    {
      object (SafetyRating)
    }
  ],
  "citationMetadata": {
    object (CitationMetadata)
  }
}
ক্ষেত্র
output string

শুধুমাত্র আউটপুট। উত্পন্ন পাঠ্য মডেল থেকে ফিরে.

safetyRatings[] object ( SafetyRating )

একটি প্রতিক্রিয়া নিরাপত্তার জন্য রেটিং.

প্রতি বিভাগে সর্বোচ্চ একটি রেটিং আছে।

citationMetadata object ( CitationMetadata )

শুধুমাত্র আউটপুট। এই TextCompletion এ মডেল-উত্পন্ন output জন্য উদ্ধৃতি তথ্য।

এই ক্ষেত্রটি output অন্তর্ভুক্ত যেকোন পাঠ্যের জন্য অ্যাট্রিবিউশন তথ্য দিয়ে তৈরি হতে পারে।

নিরাপত্তা প্রতিক্রিয়া

একটি সম্পূর্ণ অনুরোধের জন্য নিরাপত্তা প্রতিক্রিয়া।

নিরাপত্তা সেটিংসের কারণে ইনপুট এবং/অথবা প্রতিক্রিয়ার বিষয়বস্তু ব্লক করা হলে এই ক্ষেত্রটি জনবহুল। প্রতিটি ক্ষতিবিভাগের জন্য নিরাপত্তা প্রতিক্রিয়া বিদ্যমান নাও থাকতে পারে। প্রতিটি সেফটিফিডব্যাক অনুরোধ দ্বারা ব্যবহৃত নিরাপত্তা সেটিংস এবং সেইসাথে সর্বনিম্ন ক্ষতির সম্ভাবনা ফেরত দেবে যা ফলাফল ফেরত দেওয়ার জন্য অনুমোদিত হওয়া উচিত।

JSON প্রতিনিধিত্ব
{
  "rating": {
    object (SafetyRating)
  },
  "setting": {
    object (SafetySetting)
  }
}
ক্ষেত্র
rating object ( SafetyRating )

নিরাপত্তা রেটিং বিষয়বস্তু থেকে মূল্যায়ন.

setting object ( SafetySetting )

অনুরোধে নিরাপত্তা সেটিংস প্রয়োগ করা হয়েছে।

টেক্সট প্রম্পট

প্রম্পট হিসাবে মডেলে দেওয়া পাঠ্য।

মডেলটি একটি পাঠ্য সমাপ্তি তৈরি করতে এই TextPrompt ব্যবহার করবে।

JSON প্রতিনিধিত্ব
{
  "text": string
}
ক্ষেত্র
text string

প্রয়োজন। প্রম্পট টেক্সট.