मीडिया का रिज़ॉल्यूशन

media_resolution पैरामीटर से यह कंट्रोल किया जाता है कि Gemini API, इमेज, वीडियो, ऑडियो, और PDF दस्तावेज़ जैसे मीडिया इनपुट को कैसे प्रोसेस करता है. इसके लिए, यह पैरामीटर मीडिया इनपुट के लिए, ज़्यादा से ज़्यादा टोकन की संख्या तय करता है. इससे आपको जवाब की क्वालिटी, लेटेन्सी, और लागत के बीच संतुलन बनाए रखने में मदद मिलती है. विज़ुअल और दस्तावेज़ के इनपुट में, रिज़ॉल्यूशन सेटिंग के आधार पर टोकन का बंटवारा किया जाता है. वहीं, ऑडियो इनपुट को सभी रिज़ॉल्यूशन लेवल पर, हर सेकंड के हिसाब से एक तय दर पर टोकन में बदला जाता है. अलग-अलग सेटिंग, डिफ़ॉल्ट वैल्यू, और वे टोकन से कैसे जुड़ी हैं, इसके बारे में जानने के लिए टोकन की संख्या सेक्शन देखें.

मीडिया रिज़ॉल्यूशन को दो तरीकों से कॉन्फ़िगर किया जा सकता है:

• हर हिस्से के लिए (सिर्फ़ Gemini 3 के लिए)

• पूरी generateContent क्वेरी (टेक्स्ट, इमेज, और वीडियो वगैरह का इस्तेमाल करके की गई सभी क्वेरी) के लिए वैश्विक स्तर पर

हर हिस्से के लिए मीडिया रिज़ॉल्यूशन (सिर्फ़ Gemini 3 के लिए)

Gemini 3 की मदद से, अनुरोध में शामिल हर मीडिया ऑब्जेक्ट के लिए मीडिया रिज़ॉल्यूशन सेट किया जा सकता है. इससे टोकन के इस्तेमाल को बेहतर तरीके से ऑप्टिमाइज़ किया जा सकता है. एक ही अनुरोध में, अलग-अलग रिज़ॉल्यूशन लेवल का इस्तेमाल किया जा सकता है. उदाहरण के लिए, किसी मुश्किल डायग्राम के लिए हाई रिज़ॉल्यूशन और कॉन्टेक्स्ट के हिसाब से इमेज के लिए लो रिज़ॉल्यूशन का इस्तेमाल करना. यह सेटिंग, किसी खास हिस्से के लिए ग्लोबल कॉन्फ़िगरेशन को बदल देती है. डिफ़ॉल्ट सेटिंग के लिए, टोकन की संख्या सेक्शन देखें.

from google import genai
from google.genai import types

# The media_resolution parameter for parts is available in the v1beta API version.
client = genai.Client(
  http_options={
      'api_version': 'v1beta',
  }
)

# Replace with your image data
with open('path/to/image1.jpg', 'rb') as f:
    image_bytes_1 = f.read()

# Create parts with different resolutions
image_part_high = types.Part.from_bytes(
    data=image_bytes_1,
    mime_type='image/jpeg',
    media_resolution=types.MediaResolution.MEDIA_RESOLUTION_HIGH
)

model_name = 'gemini-3.1-pro-preview'

response = client.models.generate_content(
    model=model_name,
    contents=["Describe these images:", image_part_high]
)
print(response.text)

// Example: Setting per-part media resolution in JavaScript
import { GoogleGenAI, MediaResolution, Part } from '@google/genai';
import * as fs from 'fs';
import { Buffer } from 'buffer'; // Node.js

const ai = new GoogleGenAI({ httpOptions: { apiVersion: 'v1beta' } });

// Helper function to convert local file to a Part object
function fileToGenerativePart(path, mimeType, mediaResolution) {
    return {
        inlineData: { data: Buffer.from(fs.readFileSync(path)).toString('base64'), mimeType },
        mediaResolution: { 'level': mediaResolution }
    };
}

async function run() {
    // Create parts with different resolutions
    const imagePartHigh = fileToGenerativePart('img.png', 'image/png', Part.MediaResolutionLevel.MEDIA_RESOLUTION_HIGH);
    const model_name = 'gemini-3.1-pro-preview';
    const response = await ai.models.generateContent({
        model: model_name,
        contents: ['Describe these images:', imagePartHigh]
        // Global config can still be set, but per-part settings will override
        // config: {
        //   mediaResolution: MediaResolution.MEDIA_RESOLUTION_MEDIUM
        // }
    });
    console.log(response.text);
}
run();

# Replace with paths to your images
IMAGE_PATH="path/to/image.jpg"

# Base64 encode the images
BASE64_IMAGE1=$(base64 -w 0 "$IMAGE_PATH")

MODEL_ID="gemini-3.1-pro-preview"

echo '{
    "contents": [{
      "parts": [
        {"text": "Describe these images:"},
        {
          "inline_data": {
            "mime_type": "image/jpeg",
            "data": "'"$BASE64_IMAGE1"'",
          },
          "media_resolution": {"level": "MEDIA_RESOLUTION_HIGH"}
        }
      ]
    }]
  }' > request.json

curl -s -X POST \
  "https://generativelanguage.googleapis.com/v1beta/models/${MODEL_ID}:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d @request.json

ग्लोबल मीडिया रिज़ॉल्यूशन

GenerationConfig का इस्तेमाल करके, अनुरोध में मौजूद सभी मीडिया पार्ट के लिए डिफ़ॉल्ट रिज़ॉल्यूशन सेट किया जा सकता है. यह सुविधा, सभी मल्टीमॉडल मॉडल के साथ काम करती है. अगर किसी अनुरोध में ग्लोबल और हर हिस्से के लिए सेटिंग, दोनों शामिल हैं, तो उस आइटम के लिए हर हिस्से के लिए सेटिंग को प्राथमिकता दी जाती है.

from google import genai
from google.genai import types

client = genai.Client()

# Prepare standard image part
with open('image.jpg', 'rb') as f:
    image_bytes = f.read()
image_part = types.Part.from_bytes(data=image_bytes, mime_type='image/jpeg')

# Set global configuration
config = types.GenerateContentConfig(
    media_resolution=types.MediaResolution.MEDIA_RESOLUTION_HIGH
)

response = client.models.generate_content(
    model='gemini-3.8-flash',
    contents=["Describe this image:", image_part],
    config=config
)
print(response.text)

import { GoogleGenAI, MediaResolution } from '@google/genai';
import * as fs from 'fs';

const ai = new GoogleGenAI({ });

async function run() {
   // ... (Image loading logic) ...

   const response = await ai.models.generateContent({
      model: 'gemini-3.8-flash',
      contents: ["Describe this image:", imagePart],
      config: {
         mediaResolution: MediaResolution.MEDIA_RESOLUTION_HIGH
      }
   });
   console.log(response.text);
}
run();

# ... (Base64 encoding logic) ...

curl -s -X POST \
  "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.8-flash:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [...],
    "generation_config": {
      "media_resolution": "MEDIA_RESOLUTION_HIGH"
    }
  }'

उपलब्ध रिज़ॉल्यूशन वैल्यू

Gemini API, मीडिया रिज़ॉल्यूशन के लिए ये लेवल तय करता है:

• MEDIA_RESOLUTION_UNSPECIFIED: यह डिफ़ॉल्ट सेटिंग है. इस लेवल के लिए टोकन की गिनती, Gemini 3 और Gemini के पिछले मॉडल के बीच काफ़ी अलग-अलग होती है.
• MEDIA_RESOLUTION_LOW: इसमें टोकन की गिनती कम होती है. इसलिए, यह कम समय में प्रोसेस हो जाता है और इसकी लागत भी कम होती है. हालांकि, इसमें जानकारी कम होती है.
• MEDIA_RESOLUTION_MEDIUM: इसमें जानकारी, लागत, और इंतज़ार के समय के बीच तालमेल बिठाया जाता है.
• MEDIA_RESOLUTION_HIGH: इसमें टोकन की गिनती ज़्यादा होती है. इससे मॉडल को काम करने के लिए ज़्यादा जानकारी मिलती है. हालांकि, इससे इंतज़ार का समय और लागत बढ़ जाती है.
• MEDIA_RESOLUTION_ULTRA_HIGH (सिर्फ़ एक हिस्से के लिए): इसमें सबसे ज़्यादा टोकन की गिनती होती है. यह कंप्यूटर के इस्तेमाल जैसे कुछ खास मामलों के लिए ज़रूरी है.

ध्यान दें कि MEDIA_RESOLUTION_HIGH, ज़्यादातर इस्तेमाल के मामलों में सबसे अच्छी परफ़ॉर्मेंस देता है.

इनमें से हर लेवल के लिए जनरेट किए गए टोकन की सटीक संख्या, मीडिया टाइप (इमेज, वीडियो, ऑडियो, PDF) और मॉडल वर्शन, दोनों पर निर्भर करती है.

टोकन की संख्या

यहां दी गई टेबल में, हर मॉडल फ़ैमिली के लिए, हर media_resolution वैल्यू और मीडिया टाइप के लिए टोकन की अनुमानित संख्या की खास जानकारी दी गई है.

Gemini 3 के मॉडल

Gemini 2.5 के मॉडल

सही रिज़ॉल्यूशन चुनना

• डिफ़ॉल्ट (UNSPECIFIED): डिफ़ॉल्ट सेटिंग से शुरू करें. इसे क्वालिटी, स्पीड, और कीमत के हिसाब से सबसे सही माना जाता है.
• LOW: इसका इस्तेमाल उन स्थितियों में करें जहां लागत और इंतज़ार का समय सबसे अहम होता है. साथ ही, जहां ज़्यादा जानकारी की ज़रूरत नहीं होती.
• MEDIUM / HIGH: जब टास्क में मीडिया की जटिल जानकारी को समझना ज़रूरी हो, तब रिज़ॉल्यूशन बढ़ाएं. इसकी ज़रूरत अक्सर जटिल विज़ुअल विश्लेषण, चार्ट पढ़ने या बड़े दस्तावेज़ को समझने के लिए होती है.
• ULTRA HIGH - यह सिर्फ़ हर हिस्से के लिए सेटिंग के तौर पर उपलब्ध है. इसका सुझाव कुछ खास मामलों में दिया जाता है. जैसे, कंप्यूटर का इस्तेमाल करने या जहां टेस्टिंग से पता चलता है कि HIGH की तुलना में यह बेहतर है.
• हर हिस्से के हिसाब से कंट्रोल (Gemini 3): इससे टोकन के इस्तेमाल को ऑप्टिमाइज़ किया जाता है. उदाहरण के लिए, कई इमेज वाले प्रॉम्प्ट में, जटिल डायग्राम के लिए HIGH का इस्तेमाल करें. वहीं, कॉन्टेक्स्ट के हिसाब से आसान इमेज के लिए LOW या MEDIUM का इस्तेमाल करें.

सुझाई गई सेटिंग

यहां दी गई सूची में, हर मीडिया टाइप के लिए सुझाए गए मीडिया रिज़ॉल्यूशन की सेटिंग दी गई हैं.

हमेशा अपने ऐप्लिकेशन पर अलग-अलग रिज़ॉल्यूशन सेटिंग का असर देखें और उनका आकलन करें. इससे आपको क्वालिटी, इंतज़ार का समय, और लागत के बीच सबसे सही समझौता करने में मदद मिलेगी.

वीडियो प्रोसेसिंग मोड के साथ संबंध

media_resolution और प्रोसेसिंग पैरामीटर, वीडियो इनपुट के अलग-अलग पहलुओं को कंट्रोल करते हैं:

• media_resolution से हर फ़्रेम के रिज़ॉल्यूशन (हर फ़्रेम में टोकन की संख्या) को कंट्रोल किया जाता है.
• processing / media_processing कंट्रोल से यह तय होता है कि वीडियो का कौनसा कॉन्टेंट संदर्भ में लोड किया जाएगा.

दोनों को एक ही वीडियो इनपुट पर सेट किया जा सकता है. उदाहरण के लिए, किसी लंबे वीडियो के लिए कुल टोकन के इस्तेमाल को कम करने के लिए, कम मीडिया रिज़ॉल्यूशन के साथ एजेंटिक प्रोसेसिंग का इस्तेमाल किया जा सकता है.

वीडियो प्रोसेसिंग मोड के बारे में ज़्यादा जानने के लिए, एजेंटिक वीडियो अंडरस्टैंडिंग गाइड देखें.

वर्शन के साथ काम करने की सुविधा के बारे में खास जानकारी

• MediaResolution enum, मीडिया इनपुट की सुविधा देने वाले सभी मॉडल के लिए उपलब्ध है.
• Gemini 3 मॉडल और Gemini के पुराने वर्शन के बीच, हर enum लेवल से जुड़े टोकन की संख्या अलग-अलग होती है.
• अलग-अलग Part ऑब्जेक्ट पर media_resolution सेट करने की सुविधा, सिर्फ़ Gemini 3 मॉडल के लिए उपलब्ध है.

अगले चरण

• इमेज की बारीक़ी से पहचान, वीडियो को समझने, ऑडियो को समझने, और दस्तावेज़ को समझने से जुड़ी गाइड में, Gemini API की मल्टीमॉडल क्षमताओं के बारे में ज़्यादा जानें.