Risoluzione dei contenuti multimediali

Il parametro media_resolution controlla il modo in cui l'API Gemini elabora gli input multimediali come immagini, video, audio e documenti PDF determinando il numero massimo di token allocati per gli input multimediali, consentendoti di bilanciare la qualità della risposta rispetto a latenza e costi. Mentre gli input visivi e di documenti scalano l'allocazione dei token in base all'impostazione della risoluzione, gli input audio vengono tokenizzati a una velocità fissa al secondo a tutti i livelli di risoluzione. Per impostazioni, valori predefiniti e corrispondenza con i token diversi, consulta la sezione Conteggi dei token.

Puoi configurare la risoluzione dei contenuti multimediali per singoli oggetti multimediali (elementi di contenuti) all'interno della richiesta (solo Gemini 3).

Risoluzione dei contenuti multimediali per elemento di contenuti (solo Gemini 3)

Gemini 3 ti consente di impostare la risoluzione dei contenuti multimediali per i singoli oggetti multimediali all'interno della richiesta, offrendo un'ottimizzazione granulare dell'utilizzo dei token. Puoi combinare livelli di risoluzione in una singola richiesta. Ad esempio, utilizza l'alta risoluzione per un diagramma complesso e la bassa risoluzione per un'immagine contestuale semplice.

from google import genai

client = genai.Client()

myfile = client.files.upload(file="path/to/image.jpg")

interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input=[
        {"type": "text", "text": "Describe this image:"},
        {
            "type": "image",
            "uri": myfile.uri,
            "mime_type": myfile.mime_type,
            "resolution": "high"
        }
    ]
)
print(interaction.output_text)

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

async function main() {
  const myfile = await ai.files.upload({
    file: "path/to/image.jpg",
    config: { mime_type: "image/jpeg" },
  });

  const interaction = await ai.interactions.create({
    model: "gemini-3.8-flash",
    input: [
      { type: "text", text: "Describe this image:" },
      {
        type: "image",
        uri: myfile.uri,
        mime_type: myfile.mimeType,
        resolution: "high"
      }
    ],
  });
  console.log(interaction.output_text);
}

await main();

import com.google.genai.Client;
import com.google.genai.gaos.models.interactions.Content;
import com.google.genai.gaos.models.interactions.CreateModelInteraction;
import com.google.genai.gaos.models.interactions.ImageContent;
import com.google.genai.gaos.models.interactions.ImageContentMimeType;
import com.google.genai.gaos.models.interactions.Interaction;
import com.google.genai.gaos.models.interactions.InteractionsInput;
import com.google.genai.gaos.models.interactions.Model;
import com.google.genai.gaos.models.interactions.TextContent;
import com.google.genai.gaos.models.operations.CreateInteractionRequestBody;
import java.util.Arrays;
import java.util.List;

Client client = new Client();

Content textContent = TextContent.builder().text("Describe the details in this high-resolution image.").build();
Content imageContent =
    ImageContent.builder()
        .uri("gs://cloud-samples-data/generative-ai/image/scones.jpg")
        .mimeType(ImageContentMimeType.IMAGE_JPEG)
        .build();

List<Content> contents = Arrays.asList(textContent, imageContent);

CreateModelInteraction params =
    CreateModelInteraction.builder()
        .model(Model.of("gemini-3.8-flash"))
        .input(InteractionsInput.ofContent(contents))
        .build();

Interaction interaction =
    client.interactions.create(CreateInteractionRequestBody.of(params)).interaction().get();

System.out.println(interaction.outputText().orElse(""));

# First upload the file using the Files API, then use the URI:
curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "gemini-3.8-flash",
    "input": [
      {"type": "text", "text": "Describe this image:"},
      {
        "type": "image",
        "uri": "YOUR_FILE_URI",
        "mime_type": "image/jpeg",
        "resolution": "high"
      }
    ]
  }'

Valori di risoluzione disponibili

L'API Gemini definisce i seguenti livelli per la risoluzione dei contenuti multimediali:

• unspecified: l'impostazione predefinita. Il conteggio dei token per questo livello varia in modo significativo tra Gemini 3 e i modelli Gemini precedenti.
• low: conteggio dei token inferiore, con conseguente elaborazione più rapida e costi inferiori, ma con meno dettagli.
• medium: un equilibrio tra dettagli, costi e latenza.
• high: conteggio dei token più elevato, che fornisce più dettagli con cui il modello può lavorare, a scapito di una maggiore latenza e costi.
• ultra_high (Solo per elemento di contenuti): conteggio dei token più alto, necessario per casi d'uso specifici come l'utilizzo del computer.

Tieni presente che high offre un rendimento ottimale per la maggior parte dei casi d'uso.

Il numero esatto di token generati per ciascuno di questi livelli dipende sia dal tipo di media (immagine, video, audio, PDF) sia dalla versione del modello.

Conteggi dei token

Le tabelle riportate di seguito riepilogano i conteggi approssimativi dei token per ogni valore media_resolution e tipo di media per famiglia di modelli.

Modelli Gemini 3

Scegliere la risoluzione giusta

• Predefinito (unspecified): inizia con il valore predefinito. È ottimizzato per un buon equilibrio tra qualità, latenza e costi per i casi d'uso più comuni.
• low: utilizza questa opzione per gli scenari in cui costi e latenza sono fondamentali e i dettagli granulari sono meno importanti.
• medium / high: aumenta la risoluzione quando l'attività richiede di comprendere dettagli complessi all'interno dei contenuti multimediali. Spesso è necessario per analisi visive complesse, lettura di grafici o comprensione di documenti densi.
• ultra_high: disponibile solo per l'impostazione per elemento di contenuti. Consigliato per casi d'uso specifici, ad esempio l'utilizzo del computer o quando i test mostrano un miglioramento netto rispetto a high.
• Controllo per elemento di contenuti (Gemini 3): ottimizza l'utilizzo dei token. Ad esempio, in un prompt con più immagini, utilizza high per un diagramma complesso e low o medium per immagini contestuali più semplici.

Impostazioni consigliate

Di seguito sono elencate le impostazioni di risoluzione dei contenuti multimediali consigliate per ogni tipo di contenuti multimediali supportato.

Esegui sempre test e valuta l'impatto di diverse impostazioni di risoluzione sulla tua applicazione per trovare il miglior compromesso tra qualità, latenza e costi.

Relazione con le modalità di elaborazione dei video

I parametri media_resolution e di elaborazione controllano diversi aspetti dell'input video:

• media_resolution controlla la risoluzione di ogni frame (numero di token per frame).
• I controlli processing / media_processing determinano quali contenuti del video vengono caricati nel contesto.

Puoi impostarli entrambi sullo stesso ingresso video. Ad esempio, potresti utilizzare l'elaborazione con agenti con una risoluzione multimediale bassa per ridurre al minimo l'utilizzo totale di token per un video lungo.

Per informazioni dettagliate sulle modalità di elaborazione dei video, consulta la guida Comprensione dei video agentica.

Riepilogo della compatibilità delle versioni

• L'impostazione di resolution sui singoli elementi di contenuti è esclusiva dei modelli Gemini 3.

Passaggi successivi

• Scopri di più sulle funzionalità multimodali dell'API Gemini nelle guide comprensione delle immagini, comprensione dei video, comprensione dell'audio e comprensione dei documenti.