PaLM (decommissioned)

Metode: models.generateText

Menghasilkan respons dari model berdasarkan pesan input.

Endpoint

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

Parameter jalur

model string

Wajib. Nama Model atau TunedModel yang akan digunakan untuk membuat penyelesaian. Contoh: models/text-bison-001 tunedModels/sentence-translator-u3b7m Model ini memiliki bentuk models/{model}.

Isi permintaan

Isi permintaan memuat data dengan struktur berikut:

Kolom
prompt object (TextPrompt)

Wajib. Teks input bentuk bebas yang diberikan ke model sebagai perintah.

Dengan perintah, model akan menghasilkan respons TextCompletion yang diprediksi sebagai penyelesaian teks input.

safetySettings[] object (SafetySetting)

Opsional. Daftar instance SafetySetting unik untuk memblokir konten yang tidak aman.

yang akan diterapkan pada GenerateTextRequest.prompt dan GenerateTextResponse.candidates. Tidak boleh ada lebih dari satu setelan untuk setiap jenis SafetyCategory. API akan memblokir perintah dan respons yang gagal memenuhi nilai minimum yang ditetapkan oleh setelan ini. Daftar ini menggantikan setelan default untuk setiap SafetyCategory yang ditentukan di safetySettings. Jika tidak ada SafetySetting untuk SafetyCategory tertentu yang diberikan dalam daftar, API akan menggunakan setelan keamanan default untuk kategori tersebut. Kategori bahaya HARM_CATEGORY_DEROGATORY, HARM_CATEGORY_TOXICITY, HARM_CATEGORY_VIOLENCE, HARM_CATEGORY_SEXUAL, HARM_CATEGORY_MEDICAL, HARM_CATEGORY_DANGEROUS didukung di layanan teks.

stopSequences[] string

Kumpulan urutan karakter (hingga 5) yang akan menghentikan pembuatan output. Jika ditentukan, API akan berhenti pada kemunculan pertama urutan berhenti. Urutan perhentian tidak akan disertakan sebagai bagian dari respons.

temperature number

Opsional. Mengontrol keacakan output. Catatan: Nilai default bervariasi menurut model, lihat atribut Model.temperature dari Model yang menampilkan fungsi getModel.

Nilai dapat berkisar dari [0,0,1,0], inklusif. Nilai yang lebih mendekati 1,0 akan menghasilkan respons yang lebih beragam dan kreatif, sedangkan nilai yang lebih mendekati 0,0 biasanya akan menghasilkan respons yang lebih sederhana dari model.

candidateCount integer

Opsional. Jumlah respons yang dihasilkan untuk ditampilkan.

Nilai ini harus antara [1, 8], inklusif. Jika tidak ditetapkan, nilai defaultnya adalah 1.

maxOutputTokens integer

Opsional. Jumlah maksimum token yang akan disertakan dalam kandidat.

Jika tidak ditetapkan, nilai defaultnya adalah outputTokenLimit yang ditentukan dalam spesifikasi Model.

topP number

Opsional. Probabilitas kumulatif maksimum token yang akan dipertimbangkan saat sampling.

Model ini menggunakan sampling Top-k dan nukleus gabungan.

Token diurutkan berdasarkan probabilitas yang ditetapkan sehingga hanya token yang paling mungkin yang dipertimbangkan. Sampling top-k secara langsung membatasi jumlah maksimum token yang akan dipertimbangkan, sedangkan sampling Nucleus membatasi jumlah token berdasarkan probabilitas kumulatif.

Catatan: Nilai default bervariasi menurut model, lihat atribut Model.top_p dari Model yang menampilkan fungsi getModel.

topK integer

Opsional. Jumlah maksimum token yang akan dipertimbangkan saat mengambil sampel.

Model ini menggunakan sampling Top-k dan nukleus gabungan.

Pengambilan sampel top-k mempertimbangkan kumpulan topK token yang paling mungkin. Setelan defaultnya adalah 40.

Catatan: Nilai default bervariasi menurut model, lihat atribut Model.top_k dari Model yang menampilkan fungsi getModel.

Isi respons

Jika berhasil, isi respons memuat instance GenerateTextResponse.

Metode: models.countTextTokens

Menjalankan tokenizer model pada teks dan menampilkan jumlah token.

Endpoint

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

Parameter jalur

model string

Wajib. Nama resource model. ID ini berfungsi sebagai ID yang akan digunakan Model.

Nama ini harus cocok dengan nama model yang ditampilkan oleh metode models.list.

Format: models/{model} Formatnya adalah models/{model}.

Isi permintaan

Isi permintaan memuat data dengan struktur berikut:

Kolom
prompt object (TextPrompt)

Wajib. Teks input bentuk bebas yang diberikan ke model sebagai perintah.

Isi respons

Respons dari models.countTextTokens.

Metode ini menampilkan tokenCount model untuk prompt.

Jika berhasil, isi respons memuat data dengan struktur berikut:

Kolom
tokenCount integer

Jumlah token yang ditokenisasi model ke dalam prompt.

Selalu non-negatif.

Representasi JSON
{
  "tokenCount": integer
}

Metode: models.generateMessage

Menghasilkan respons dari model dengan input MessagePrompt.

Endpoint

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

Parameter jalur

model string

Wajib. Nama model yang akan digunakan.

Format: name=models/{model}. Formatnya adalah models/{model}.

Isi permintaan

Isi permintaan memuat data dengan struktur berikut:

Kolom
prompt object (MessagePrompt)

Wajib. Input tekstual terstruktur yang diberikan ke model sebagai perintah.

Dengan perintah, model akan menampilkan pesan berikutnya dalam diskusi yang diprediksinya.

temperature number

Opsional. Mengontrol keacakan output.

Nilai dapat berkisar lebih dari [0.0,1.0], inklusif. Nilai yang lebih dekat dengan 1.0 akan menghasilkan respons yang lebih beragam, sedangkan nilai yang lebih dekat dengan 0.0 biasanya akan menghasilkan respons yang kurang mengejutkan dari model.

candidateCount integer

Opsional. Jumlah pesan respons yang dihasilkan untuk ditampilkan.

Nilai ini harus antara [1, 8], inklusif. Jika tidak ditetapkan, setelan defaultnya adalah 1.

topP number

Opsional. Probabilitas kumulatif maksimum token yang akan dipertimbangkan saat sampling.

Model ini menggunakan sampling Top-k dan nukleus gabungan.

Pengambilan sampel nukleus mempertimbangkan kumpulan token terkecil yang jumlah probabilitasnya minimal topP.

topK integer

Opsional. Jumlah maksimum token yang akan dipertimbangkan saat mengambil sampel.

Model ini menggunakan sampling Top-k dan nukleus gabungan.

Pengambilan sampel top-k mempertimbangkan kumpulan topK token yang paling mungkin.

Isi respons

Respons dari model.

Hal ini mencakup pesan kandidat dan histori percakapan dalam bentuk pesan yang diurutkan secara kronologis.

Jika berhasil, isi respons memuat data dengan struktur berikut:

Kolom
candidates[] object (Message)

Pesan respons kandidat dari model.

messages[] object (Message)

Histori percakapan yang digunakan oleh model.

filters[] object (ContentFilter)

Kumpulan metadata pemfilteran konten untuk teks perintah dan respons.

Ini menunjukkan SafetyCategory mana yang memblokir kandidat dari respons ini, HarmProbability terendah yang memicu pemblokiran, dan setelan HarmThreshold untuk kategori tersebut.

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

Metode: models.countMessageTokens

Menjalankan tokenizer model pada string dan menampilkan jumlah token.

Endpoint

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

Parameter jalur

model string

Wajib. Nama resource model. ID ini berfungsi sebagai ID yang akan digunakan Model.

Nama ini harus cocok dengan nama model yang ditampilkan oleh metode models.list.

Format: models/{model} Formatnya adalah models/{model}.

Isi permintaan

Isi permintaan memuat data dengan struktur berikut:

Kolom
prompt object (MessagePrompt)

Wajib. Perintah, yang jumlah tokennya akan ditampilkan.

Isi respons

Respons dari models.countMessageTokens.

Metode ini menampilkan tokenCount model untuk prompt.

Jika berhasil, isi respons memuat data dengan struktur berikut:

Kolom
tokenCount integer

Jumlah token yang ditokenisasi model ke dalam prompt.

Selalu non-negatif.

Representasi JSON
{
  "tokenCount": integer
}

Metode: models.embedText

Menghasilkan penyematan dari model yang diberi pesan input.

Endpoint

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

Parameter jalur

model string

Wajib. Nama model yang akan digunakan dengan format model=models/{model}. Formatnya adalah models/{model}.

Isi permintaan

Isi permintaan memuat data dengan struktur berikut:

Kolom
text string

Opsional. Teks input bentuk bebas yang akan diubah menjadi penyematan oleh model.

Isi respons

Respons terhadap EmbedTextRequest.

Jika berhasil, isi respons memuat data dengan struktur berikut:

Kolom
embedding object (Embedding)

Hanya output. Embed yang dihasilkan dari teks input.

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

Metode: models.batchEmbedText

Menghasilkan beberapa penyematan dari model yang diberikan teks input dalam panggilan sinkron.

Endpoint

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

Parameter jalur

model string

Wajib. Nama Model yang akan digunakan untuk membuat penyematan. Contoh: models/embedding-gecko-001 Formatnya adalah models/{model}.

Isi permintaan

Isi permintaan memuat data dengan struktur berikut:

Kolom
texts[] string

Opsional. Teks input bentuk bebas yang akan diubah model menjadi embedding. Batas saat ini adalah 100 teks, dan jika batas ini terlampaui, error akan ditampilkan.

requests[] object (EmbedTextRequest)

Opsional. Menyematkan permintaan untuk batch. Hanya satu dari texts atau requests yang dapat ditetapkan.

Isi respons

Respons terhadap EmbedTextRequest.

Jika berhasil, isi respons memuat data dengan struktur berikut:

Kolom
embeddings[] object (Embedding)

Hanya output. Embed yang dihasilkan dari teks input.

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

EmbedTextRequest

Permintaan untuk mendapatkan penyematan teks dari model.

Kolom
model string

Wajib. Nama model yang akan digunakan dengan format model=models/{model}.

text string

Opsional. Teks input bentuk bebas yang akan diubah menjadi penyematan oleh model.

Representasi JSON
{
  "model": string,
  "text": string
}

Metode: tunedModels.generateText

Menghasilkan respons dari model berdasarkan pesan input.

Endpoint

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

Parameter jalur

model string

Wajib. Nama Model atau TunedModel yang akan digunakan untuk membuat penyelesaian. Contoh: models/text-bison-001 tunedModels/sentence-translator-u3b7m Model ini memiliki bentuk tunedModels/{tunedmodel}.

Isi permintaan

Isi permintaan memuat data dengan struktur berikut:

Kolom
prompt object (TextPrompt)

Wajib. Teks input bentuk bebas yang diberikan ke model sebagai perintah.

Dengan perintah, model akan menghasilkan respons TextCompletion yang diprediksi sebagai penyelesaian teks input.

safetySettings[] object (SafetySetting)

Opsional. Daftar instance SafetySetting unik untuk memblokir konten yang tidak aman.

yang akan diterapkan pada GenerateTextRequest.prompt dan GenerateTextResponse.candidates. Tidak boleh ada lebih dari satu setelan untuk setiap jenis SafetyCategory. API akan memblokir perintah dan respons yang gagal memenuhi nilai minimum yang ditetapkan oleh setelan ini. Daftar ini menggantikan setelan default untuk setiap SafetyCategory yang ditentukan di safetySettings. Jika tidak ada SafetySetting untuk SafetyCategory tertentu yang diberikan dalam daftar, API akan menggunakan setelan keamanan default untuk kategori tersebut. Kategori bahaya HARM_CATEGORY_DEROGATORY, HARM_CATEGORY_TOXICITY, HARM_CATEGORY_VIOLENCE, HARM_CATEGORY_SEXUAL, HARM_CATEGORY_MEDICAL, HARM_CATEGORY_DANGEROUS didukung di layanan teks.

stopSequences[] string

Kumpulan urutan karakter (hingga 5) yang akan menghentikan pembuatan output. Jika ditentukan, API akan berhenti pada kemunculan pertama urutan berhenti. Urutan perhentian tidak akan disertakan sebagai bagian dari respons.

temperature number

Opsional. Mengontrol keacakan output. Catatan: Nilai default bervariasi menurut model, lihat atribut Model.temperature dari Model yang menampilkan fungsi getModel.

Nilai dapat berkisar dari [0,0,1,0], inklusif. Nilai yang lebih mendekati 1,0 akan menghasilkan respons yang lebih beragam dan kreatif, sedangkan nilai yang lebih mendekati 0,0 biasanya akan menghasilkan respons yang lebih sederhana dari model.

candidateCount integer

Opsional. Jumlah respons yang dihasilkan untuk ditampilkan.

Nilai ini harus antara [1, 8], inklusif. Jika tidak ditetapkan, nilai defaultnya adalah 1.

maxOutputTokens integer

Opsional. Jumlah maksimum token yang akan disertakan dalam kandidat.

Jika tidak ditetapkan, nilai defaultnya adalah outputTokenLimit yang ditentukan dalam spesifikasi Model.

topP number

Opsional. Probabilitas kumulatif maksimum token yang akan dipertimbangkan saat sampling.

Model ini menggunakan sampling Top-k dan nukleus gabungan.

Token diurutkan berdasarkan probabilitas yang ditetapkan sehingga hanya token yang paling mungkin yang dipertimbangkan. Sampling top-k secara langsung membatasi jumlah maksimum token yang akan dipertimbangkan, sedangkan sampling Nucleus membatasi jumlah token berdasarkan probabilitas kumulatif.

Catatan: Nilai default bervariasi menurut model, lihat atribut Model.top_p dari Model yang menampilkan fungsi getModel.

topK integer

Opsional. Jumlah maksimum token yang akan dipertimbangkan saat mengambil sampel.

Model ini menggunakan sampling Top-k dan nukleus gabungan.

Pengambilan sampel top-k mempertimbangkan kumpulan topK token yang paling mungkin. Setelan defaultnya adalah 40.

Catatan: Nilai default bervariasi menurut model, lihat atribut Model.top_k dari Model yang menampilkan fungsi getModel.

Isi respons

Jika berhasil, isi respons memuat instance GenerateTextResponse.

ContentFilter

Metadata pemfilteran konten yang terkait dengan pemrosesan satu permintaan.

ContentFilter berisi alasan dan string pendukung opsional. Alasannya mungkin tidak ditentukan.

Kolom
reason enum (BlockedReason)

Alasan konten diblokir selama pemrosesan permintaan.

message string

String yang menjelaskan perilaku pemfilteran secara lebih mendetail.

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

BlockedReason

Daftar alasan konten mungkin diblokir.

Enum
BLOCKED_REASON_UNSPECIFIED Alasan pemblokiran tidak ditentukan.
SAFETY Konten diblokir oleh setelan keamanan.
OTHER Konten diblokir, tetapi alasannya tidak dikategorikan.

Embedding

Daftar float yang mewakili penyematan.

Kolom
value[] number

Nilai penyematan.

Representasi JSON
{
  "value": [
    number
  ]
}

Pesan

Unit dasar teks terstruktur.

Message mencakup author dan content dari Message.

author digunakan untuk memberi tag pada pesan saat dimasukkan ke model sebagai teks.

Kolom
author string

Opsional. Penulis Pesan ini.

Ini berfungsi sebagai kunci untuk memberi tag pada konten Pesan ini saat dimasukkan ke model sebagai teks.

Penulis dapat berupa string alfanumerik apa pun.

content string

Wajib. Konten teks Message terstruktur.

citationMetadata object (CitationMetadata)

Hanya output. Informasi kutipan untuk content yang dibuat model di Message ini.

Jika Message ini dihasilkan sebagai output dari model, kolom ini dapat diisi dengan informasi atribusi untuk teks apa pun yang disertakan dalam content. Kolom ini hanya digunakan pada output.

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

MessagePrompt

Semua teks input terstruktur yang diteruskan ke model sebagai perintah.

MessagePrompt berisi kumpulan kolom terstruktur yang memberikan konteks untuk percakapan, contoh pasangan pesan input pengguna/output model yang menyiapkan model untuk merespons dengan cara yang berbeda, dan histori percakapan atau daftar pesan yang mewakili giliran percakapan yang bergantian antara pengguna dan model.

Kolom
context string

Opsional. Teks yang harus disediakan ke model terlebih dahulu untuk melandasi respons.

Jika tidak kosong, context ini akan diberikan ke model terlebih dahulu sebelum examples dan messages. Saat menggunakan context, pastikan untuk memberikannya dengan setiap permintaan untuk mempertahankan kontinuitas.

Kolom ini dapat berupa deskripsi perintah Anda kepada model untuk membantu memberikan konteks dan memandu respons. Contoh: "Terjemahkan frasa dari bahasa Inggris ke bahasa Prancis" atau "Dengan pernyataan yang diberikan, klasifikasikan sentimen sebagai bahagia, sedih, atau netral".

Apa pun yang disertakan dalam kolom ini akan lebih diutamakan daripada histori pesan jika total ukuran input melebihi inputTokenLimit model dan permintaan input terpotong.

examples[] object (Example)

Opsional. Contoh hal yang harus dihasilkan model.

Data ini mencakup input pengguna dan respons yang harus diemulasi model.

examples ini diperlakukan secara identik dengan pesan percakapan, kecuali bahwa examples lebih diutamakan daripada histori di messages: Jika total ukuran input melebihi inputTokenLimit model, input akan terpotong. Item akan dihapus dari messages sebelum examples.

messages[] object (Message)

Wajib. Ringkasan histori percakapan terbaru yang diurutkan secara kronologis.

Beralih secara bergantian antara dua penulis.

Jika total ukuran input melebihi inputTokenLimit model, input akan dipangkas: Item terlama akan dihapus dari messages.

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

Contoh

Contoh input/output yang digunakan untuk menginstruksikan Model.

Ini menunjukkan bagaimana model harus merespons atau memformat responsnya.

Kolom
input object (Message)

Wajib. Contoh input Message dari pengguna.

output object (Message)

Wajib. Contoh output yang harus dihasilkan model berdasarkan input.

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

GenerateTextResponse

Respons dari model, termasuk penyelesaian kandidat.

Kolom
candidates[] object (TextCompletion)

Respons kandidat dari model.

filters[] object (ContentFilter)

Kumpulan metadata pemfilteran konten untuk teks perintah dan respons.

Ini menunjukkan SafetyCategory mana yang memblokir kandidat dari respons ini, HarmProbability terendah yang memicu pemblokiran, dan setelan HarmThreshold untuk kategori tersebut. Ini menunjukkan perubahan terkecil pada SafetySettings yang diperlukan untuk memblokir setidaknya 1 respons.

Pemblokiran dikonfigurasi oleh SafetySettings dalam permintaan (atau SafetySettings default API).

safetyFeedback[] object (SafetyFeedback)

Menampilkan masukan keamanan apa pun yang terkait dengan pemfilteran konten.

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

TextCompletion

Teks output yang ditampilkan dari model.

Kolom
output string

Hanya output. Teks yang dihasilkan yang ditampilkan dari model.

safetyRatings[] object (SafetyRating)

Rating untuk keamanan respons.

Maksimal satu rating per kategori.

citationMetadata object (CitationMetadata)

Hanya output. Informasi kutipan untuk output yang dibuat model di TextCompletion ini.

Kolom ini dapat diisi dengan informasi atribusi untuk teks apa pun yang disertakan dalam output.

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

SafetyFeedback

Masukan keamanan untuk seluruh permintaan.

Kolom ini diisi jika konten dalam input dan/atau respons diblokir karena setelan keamanan. SafetyFeedback mungkin tidak ada untuk setiap HarmCategory. Setiap SafetyFeedback akan menampilkan setelan keamanan yang digunakan oleh permintaan serta HarmProbability terendah yang harus diizinkan untuk menampilkan hasil.

Kolom
rating object (SafetyRating)

Rating keamanan dievaluasi dari konten.

setting object (SafetySetting)

Setelan keamanan yang diterapkan ke permintaan.

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

TextPrompt

Teks yang diberikan ke model sebagai perintah.

Model akan menggunakan TextPrompt ini untuk Membuat penyelesaian teks.

Kolom
text string

Wajib. Teks perintah.

Representasi JSON
{
  "text": string
}