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.

अनुरोध में मौजूद हर मीडिया ऑब्जेक्ट (कॉन्टेंट आइटम) के लिए, मीडिया रिज़ॉल्यूशन कॉन्फ़िगर किया जा सकता है. यह सुविधा सिर्फ़ Gemini 3 के लिए उपलब्ध है.

हर कॉन्टेंट आइटम 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, रिज़ॉल्यूशन के अलग-अलग लेवल का इस्तेमाल किया जा सकता है. उदाहरण के लिए, किसी जटिल डायग्राम के लिए हाई रिज़ॉल्यूशन और किसी सामान्य कॉन्टेक्स्ट वाली इमेज के लिए लो रिज़ॉल्यूशन का इस्तेमाल करना.

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"
      }
    ]
  }'

उपलब्ध रिज़ॉल्यूशन वैल्यू

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

• 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.
• low: इसमें टोकन की गिनती कम होती है. इसलिए, यह तेज़ी से प्रोसेस होता है और इसकी लागत भी कम होती है. हालांकि, इसमें कम जानकारी मिलती है.
• medium: इसमें जानकारी, लागत, और इंतज़ार के समय के बीच तालमेल बिठाया जाता है.
• 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.
• ultra_high (सिर्फ़ हर कॉन्टेंट आइटम के लिए): सबसे ज़्यादा टोकन की गिनती. यह कंप्यूटर के इस्तेमाल जैसे कुछ खास इस्तेमाल के उदाहरणों के लिए ज़रूरी है.

ध्यान दें कि 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 हिसाब से टोकन की अनुमानित संख्या की खास जानकारी दी गई है.

Gemini 3 के मॉडल

सही रिज़ॉल्यूशन चुनना

• डिफ़ॉल्ट (unspecified): डिफ़ॉल्ट सेटिंग से शुरू करें. इसे क्वालिटी, स्पीड, और कीमत के बीच सही तालमेल बनाए रखने के लिए ट्यून किया गया 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 पड़ती है.
• ultra_high - यह सुविधा, कॉन्टेंट के हर आइटम के लिए सेटिंग में ही 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.
• कॉन्टेंट के हर आइटम 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 अलग-अलग रिज़ॉल्यूशन सेटिंग का इस्तेमाल करके, यह जांच करें कि आपके ऐप्लिकेशन पर उनका क्या असर पड़ता है. इससे आपको क्वालिटी, स्पीड, 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

• resolution को कॉन्टेंट के हर आइटम पर सेट करने की सुविधा, सिर्फ़ Gemini 3 मॉडल के लिए उपलब्ध है.

अगले चरण

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