メディアの解像度

media_resolution パラメータは、メディア入力に割り当てられる最大トークン数を決定することで、Gemini API が画像、動画、PDF ドキュメントなどのメディア入力を処理する方法を制御します。これにより、レスポンスの品質とレイテンシ、費用をバランスさせることができます。さまざまな設定、デフォルト値、トークンとの対応については、トークン数のセクションをご覧ください。

メディアの解像度は、次の 2 つの方法で設定できます。

パートごとのメディア解像度(Gemini 3 のみ)

Gemini 3 では、リクエスト内の個々のメディア オブジェクトのメディア解像度を設定できるため、トークン使用量をきめ細かく最適化できます。1 つのリクエストで解像度レベルを混在させることができます。たとえば、複雑な図には高解像度を使用し、シンプルなコンテキスト画像には低解像度を使用します。この設定は、特定の部分のグローバル構成をオーバーライドします。デフォルト設定については、トークン数セクションをご覧ください。

Python

from google import genai
from google.genai import types

# The media_resolution parameter for parts is currently only available in the v1alpha API version. (experimental)
client = genai.Client(
  http_options={
      'api_version': 'v1alpha',
  }
)

# 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-pro-preview'

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

JavaScript

// 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: 'v1alpha' } });

// 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-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();

REST

# 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-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/v1alpha/models/${MODEL_ID}:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d @request.json

グローバル メディアの解像度

GenerationConfig を使用すると、リクエスト内のすべてのメディア パーツのデフォルトの解像度を設定できます。これは、すべてのマルチモーダル モデルでサポートされています。リクエストにグローバル設定とパーツごとの設定の両方が含まれている場合、その特定のアイテムについてはパーツごとの設定が優先されます。

Python

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-2.5-flash',
    contents=["Describe this image:", image_part],
    config=config
)
print(response.text)

JavaScript

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-2.5-flash',
      contents: ["Describe this image:", imagePart],
      config: {
         mediaResolution: MediaResolution.MEDIA_RESOLUTION_HIGH
      }
   });
   console.log(response.text);
}
run();

REST

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

curl -s -X POST \
  "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [...],
    "generation_config": {
      "media_resolution": "MEDIA_RESOLUTION_HIGH"
    }
  }'

使用可能な解決策の値

Gemini API は、メディアの解像度について次のレベルを定義しています。

  • MEDIA_RESOLUTION_UNSPECIFIED: デフォルト設定。このレベルのトークン数は、Gemini 3 とそれ以前の Gemini モデルで大きく異なります。
  • MEDIA_RESOLUTION_LOW: トークン数が少なくなり、処理が高速化され、コストが削減されますが、詳細度は低下します。
  • MEDIA_RESOLUTION_MEDIUM: 詳細、費用、レイテンシのバランス。
  • MEDIA_RESOLUTION_HIGH: トークン数が多いほど、モデルが処理する詳細が増えますが、レイテンシと費用が増加します。
  • 近日提供予定MEDIA_RESOLUTION_ULTRA_HIGH: コンピュータの使用など、特定のユースケースに必要なトークン数の上限。

これらのレベルごとに生成されるトークンの正確な数は、メディアタイプ(画像、動画、PDF)とモデル バージョンの両方によって異なります。

トークン数

次の表に、モデル ファミリーごとに、各 media_resolution 値とメディアタイプのおおよそのトークン数を示します。

Gemini 3 モデル

MediaResolution 画像 動画 PDF
MEDIA_RESOLUTION_UNSPECIFIED(デフォルト) 1120 70 560
MEDIA_RESOLUTION_LOW 280 70 280 + ネイティブ テキスト
MEDIA_RESOLUTION_MEDIUM 560 70 560 + ネイティブ テキスト
MEDIA_RESOLUTION_HIGH 1120 280 1120 + ネイティブ テキスト

Gemini 2.5 モデル

MediaResolution 画像 動画 PDF(スキャン) PDF(ネイティブ)
MEDIA_RESOLUTION_UNSPECIFIED(デフォルト) 256 + パン&スキャン(~2048) 256 256 + OCR 256 + ネイティブ テキスト
MEDIA_RESOLUTION_LOW 64 64 64 + OCR 64 + ネイティブ テキスト
MEDIA_RESOLUTION_MEDIUM 256 256 256 + OCR 256 + ネイティブ テキスト
MEDIA_RESOLUTION_HIGH 256 + パン&スキャン 256 256 + OCR 256 + ネイティブ テキスト

適切な解決策の選択

  • デフォルト(UNSPECIFIED): デフォルトから開始します。最も一般的なユースケースで、品質、レイテンシ、費用のバランスが取れるように調整されています。
  • LOW: 費用とレイテンシが最優先で、詳細な粒度がそれほど重要でないシナリオで使用します。
  • MEDIUM / HIGH: メディア内の複雑な詳細を理解する必要があるタスクでは、解像度を上げます。これは、複雑な視覚分析、グラフの読み取り、密度の高いドキュメントの理解に必要となることがよくあります。
  • パートごとの制御(Gemini 3): これを利用して、トークンの使用量を最適化します。たとえば、複数の画像を含むプロンプトでは、複雑な図には HIGH を使用し、シンプルなコンテキスト画像には LOW または MEDIUM を使用します。

推奨設定

以下に、サポートされているメディア タイプごとに推奨されるメディア解像度設定を示します。

メディアタイプ 推奨設定 最大トークン数 使用に関するガイダンス
画像 MEDIA_RESOLUTION_HIGH 1120 品質を最大限に高めるため、ほとんどの画像分析タスクにおすすめします。
PDF MEDIA_RESOLUTION_MEDIUM 560 ドキュメントの理解に最適です。通常、品質は medium で飽和します。high に増やしても、標準的なドキュメントの OCR 結果が改善されることはほとんどありません。
動画(全般) MEDIA_RESOLUTION_LOW(または MEDIA_RESOLUTION_MEDIUM 70(フレームあたり) 注: 動画の場合、コンテキストの使用を最適化するために、lowmedium の設定は同じ(70 トークン)として扱われます。ほとんどのアクション認識タスクと説明タスクでは、この対応で十分です。
動画(テキストが多い) MEDIA_RESOLUTION_HIGH 280(フレームあたり) ユースケースで、密度の高いテキスト(OCR)や動画フレーム内の細部を読み取る場合にのみ必要です。

さまざまな解像度設定が特定のアプリケーションに与える影響を常にテストして評価し、品質、レイテンシ、費用の最適なバランスを見つけてください。

バージョンの互換性の概要

  • MediaResolution 列挙型は、メディア入力をサポートするすべてのモデルで使用できます。
  • 各列挙型レベルに関連付けられているトークン数は、Gemini 3 モデルとそれ以前の Gemini バージョンで異なります
  • 個々の Part オブジェクトに media_resolution を設定できるのは、Gemini 3 モデルのみです。

次のステップ