Độ phân giải nội dung nghe nhìn

Tham số media_resolution kiểm soát cách Gemini API xử lý các dữ liệu đầu vào đa phương tiện như hình ảnh, video, âm thanh và tài liệu PDF bằng cách xác định số lượng mã thông báo tối đa được phân bổ cho dữ liệu đầu vào đa phương tiện, cho phép bạn cân bằng chất lượng phản hồi với độ trễ và chi phí. Mặc dù các đầu vào hình ảnh và tài liệu điều chỉnh phân bổ mã thông báo dựa trên chế độ cài đặt độ phân giải, nhưng các đầu vào âm thanh được mã hoá thành mã thông báo ở tốc độ cố định mỗi giây trên tất cả các cấp độ phân giải. Để biết các chế độ cài đặt khác nhau, giá trị mặc định và cách các giá trị này tương ứng với mã thông báo, hãy xem phần Số lượng mã thông báo.

Bạn có thể định cấu hình độ phân giải của nội dung nghe nhìn theo 2 cách:

• Theo phần (chỉ Gemini 3)

• Trên toàn cầu cho toàn bộ yêu cầu generateContent (tất cả các mô hình đa phương thức)

Độ phân giải nội dung nghe nhìn theo phần (chỉ Gemini 3)

Gemini 3 cho phép bạn đặt độ phân giải của nội dung nghe nhìn cho từng đối tượng nội dung nghe nhìn trong yêu cầu của mình, giúp tối ưu hoá mức sử dụng mã thông báo một cách chi tiết. Bạn có thể kết hợp các cấp độ phân giải trong một yêu cầu duy nhất. Ví dụ: sử dụng độ phân giải cao cho một sơ đồ phức tạp và độ phân giải thấp cho một hình ảnh theo ngữ cảnh. Chế độ cài đặt này sẽ ghi đè mọi cấu hình chung cho một phần cụ thể. Để biết chế độ cài đặt mặc định, hãy xem phần Số lượng mã thông báo.

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

Độ phân giải nội dung nghe nhìn trên toàn cầu

Bạn có thể đặt độ phân giải mặc định cho tất cả các phần nội dung nghe nhìn trong một yêu cầu bằng cách sử dụng GenerationConfig. Tính năng này được tất cả các mô hình đa phương thức hỗ trợ. Nếu một yêu cầu bao gồm cả chế độ cài đặt chung và chế độ cài đặt theo phần, thì chế độ cài đặt theo phần sẽ được ưu tiên cho mục cụ thể đó.

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"
    }
  }'

Các giá trị độ phân giải có thể sử dụng

Gemini API xác định các cấp độ sau đây cho độ phân giải của nội dung nghe nhìn:

• MEDIA_RESOLUTION_UNSPECIFIED: Chế độ cài đặt mặc định. Số token cho cấp độ này có sự khác biệt đáng kể giữa Gemini 3 và các mô hình Gemini trước đó.
• MEDIA_RESOLUTION_LOW: Số token thấp hơn, giúp xử lý nhanh hơn và giảm chi phí, nhưng ít chi tiết hơn.
• MEDIA_RESOLUTION_MEDIUM: Cân bằng giữa mức độ chi tiết, chi phí và độ trễ.
• MEDIA_RESOLUTION_HIGH: Số token cao hơn, cung cấp nhiều thông tin chi tiết hơn để mô hình hoạt động, nhưng phải trả giá bằng độ trễ và chi phí tăng lên.
• MEDIA_RESOLUTION_ULTRA_HIGH (Chỉ tính theo phần): Số token cao nhất, bắt buộc đối với các trường hợp sử dụng cụ thể, chẳng hạn như sử dụng máy tính.

Xin lưu ý rằng MEDIA_RESOLUTION_HIGH mang lại hiệu suất tối ưu cho hầu hết các trường hợp sử dụng.

Số lượng mã thông báo chính xác được tạo cho mỗi cấp độ này phụ thuộc vào cả loại nội dung nghe nhìn (Hình ảnh, Video, Âm thanh, PDF) và phiên bản mô hình.

Số lượng mã thông báo

Các bảng dưới đây tóm tắt số lượng mã thông báo gần đúng cho từng giá trị media_resolution và loại nội dung nghe nhìn theo họ mô hình.

Các mô hình Gemini 3

Các mô hình Gemini 2.5

Chọn độ phân giải phù hợp

• Mặc định (UNSPECIFIED): Bắt đầu bằng chế độ mặc định. Mô hình này được điều chỉnh để mang lại sự cân bằng tốt về chất lượng, độ trễ và chi phí cho hầu hết các trường hợp sử dụng phổ biến.
• LOW: Sử dụng cho các trường hợp mà chi phí và độ trễ là yếu tố quan trọng nhất, còn chi tiết chính xác thì ít quan trọng hơn.
• MEDIUM / HIGH: Tăng độ phân giải khi nhiệm vụ yêu cầu bạn hiểu rõ các chi tiết phức tạp trong nội dung nghe nhìn. Điều này thường cần thiết cho việc phân tích hình ảnh phức tạp, đọc biểu đồ hoặc hiểu tài liệu dày đặc.
• ULTRA HIGH – Chỉ dành cho chế độ cài đặt theo phần. Nên dùng cho một số trường hợp sử dụng cụ thể, chẳng hạn như khi dùng máy tính hoặc khi kết quả thử nghiệm cho thấy có sự cải tiến rõ rệt so với HIGH.
• Kiểm soát theo phần (Gemini 3): Tối ưu hoá mức sử dụng mã thông báo. Ví dụ: trong một câu lệnh có nhiều hình ảnh, hãy dùng HIGH cho một sơ đồ phức tạp và LOW hoặc MEDIUM cho các hình ảnh theo bối cảnh đơn giản hơn.

Chế độ cài đặt được đề xuất

Sau đây là danh sách các chế độ cài đặt độ phân giải nội dung nghe nhìn được đề xuất cho từng loại nội dung nghe nhìn được hỗ trợ.

Luôn kiểm thử và đánh giá mức tác động của các chế độ cài đặt độ phân giải khác nhau đối với ứng dụng cụ thể của bạn để tìm ra sự cân bằng tốt nhất giữa chất lượng, độ trễ và chi phí.

Mối quan hệ với các chế độ xử lý video

Các thông số media_resolution và thông số xử lý kiểm soát các khía cạnh khác nhau của đầu vào video:

• media_resolution kiểm soát độ phân giải của mỗi khung hình (số lượng mã thông báo trên mỗi khung hình).
• Các nút điều khiển processing / media_processing sẽ quyết định nội dung nào trong video được tải vào ngữ cảnh.

Bạn có thể đặt cả hai chế độ này trên cùng một đầu vào video. Ví dụ: bạn có thể sử dụng quy trình xử lý dựa trên tác nhân với độ phân giải thấp của nội dung nghe nhìn để giảm thiểu tổng mức sử dụng mã thông báo cho một video dài.

Để biết thông tin chi tiết về các chế độ xử lý video, hãy xem hướng dẫn Hiểu video dựa trên tác nhân.

Bản tóm tắt về khả năng tương thích với phiên bản

• Enum MediaResolution có sẵn cho tất cả các mô hình hỗ trợ đầu vào đa phương tiện.
• Số lượng mã thông báo liên kết với mỗi cấp enum khác nhau giữa các mô hình Gemini 3 và các phiên bản Gemini trước đó.
• Việc đặt media_resolution trên từng đối tượng Part chỉ dành cho các mô hình Gemini 3.

Các bước tiếp theo

• Tìm hiểu thêm về các chức năng đa phương thức của Gemini API trong các hướng dẫn về hiểu hình ảnh, hiểu video, hiểu âm thanh và hiểu tài liệu.