Meminta dengan file media


Lihat di ai.google.dev Menjalankan di Google Colab Lihat sumber di GitHub

Gemini API mendukung prompting dengan data teks, gambar, audio, dan video, yang juga dikenal sebagai prompting multimodal, yang berarti Anda dapat menyertakan jenis file media tersebut dalam prompt Anda. Untuk file kecil, Anda dapat mengarahkan model Gemini langsung ke file lokal saat memberikan perintah. Upload file yang lebih besar dengan File API sebelum menyertakannya dalam perintah.

File API memungkinkan Anda menyimpan file hingga 20 GB per project, dengan setiap file tidak melebihi 2 GB. File disimpan selama 48 jam dan dapat diakses dengan kunci API Anda untuk pembuatan dalam jangka waktu tersebut, dan tidak dapat didownload dari API. Files API tersedia tanpa biaya di semua region tempat Gemini API tersedia.

File API menangani input yang dapat digunakan untuk membuat konten dengan model.generateContent atau model.streamGenerateContent. Untuk informasi tentang format file yang valid (jenis MIME) dan model yang didukung, lihat Format file yang didukung.

Panduan ini menunjukkan cara menggunakan File API untuk mengupload file media dan menyertakannya dalam panggilan GenerateContent ke Gemini API. Untuk mengetahui informasi selengkapnya, lihat contoh kode.

Format file yang didukung

Model Gemini mendukung perintah dengan berbagai format file. Bagian ini menjelaskan pertimbangan dalam menggunakan format media umum untuk perintah, khususnya file gambar, audio, video, dan teks biasa. Anda dapat menggunakan file media untuk meminta perintah hanya dengan versi model tertentu, seperti yang ditunjukkan dalam tabel berikut.

Model Gambar Audio Video Teks biasa
Gemini 1.5 Pro (rilis 008 dan yang lebih baru) ✔ (maksimal 3600 file gambar)
Gemini Pro Vision ✔ (16 file gambar maksimal)

Format gambar

Anda dapat menggunakan data gambar untuk menjalankan perintah dengan model Gemini 1.5 atau model Gemini 1.0 Pro Vision. Saat Anda menggunakan gambar untuk perintah, gambar tersebut tunduk pada batasan dan persyaratan berikut:

  • Gambar harus berupa salah satu data gambar jenis MIME berikut:
    • PNG - gambar/png
    • JPEG - gambar/jpeg
    • WEBP - gambar/webp
    • HEIC - gambar/heic
    • HEIF - gambar/heif
  • Maksimum 16 gambar individual untuk model Gemini 1.0 Pro Vision dan 3600 gambar untuk model Gemini 1.5.
  • Tidak ada batas khusus jumlah piksel dalam gambar; namun, gambar yang lebih besar akan diperkecil agar sesuai dengan resolusi maksimum 3072x3072 dengan tetap mempertahankan rasio aspek aslinya.

Format audio

Anda dapat menggunakan data audio untuk prompting dengan model Gemini 1.5. Saat Anda menggunakan audio untuk perintah, audio tersebut tunduk pada batasan dan persyaratan berikut:

  • Data audio didukung dalam jenis MIME format audio umum berikut:
    • WAV - audio/wav
    • MP3 - audio/mp3
    • AIFF - audio/aiff
    • AAC - audio/aac
    • OGG Vorbis - audio/ogg
    • FLAC - audio/flac
  • Panjang maksimum data audio yang didukung dalam satu perintah adalah 9,5 jam.
  • File audio di-resampling menjadi resolusi data 16 Kbps, dan beberapa saluran audio digabungkan menjadi satu saluran.
  • Tidak ada batasan khusus jumlah file audio dalam satu perintah; namun, total durasi gabungan semua file audio dalam satu perintah tidak boleh lebih dari 9,5 jam.

Format video

Anda dapat menggunakan data video untuk memberikan perintah dengan model Gemini 1.5.

  • Data video didukung dalam jenis MIME format video umum berikut:

    • video/mp4
    • video/mpeg
    • video/mov
    • video/avi
    • video/x-flv
    • video/mpg
    • video/webm
    • video/wmv
    • video/3gpp
  • Layanan File API mengambil sampel video ke dalam gambar pada kecepatan 1 frame per detik (FPS) dan dapat berubah untuk memberikan kualitas inferensi terbaik. Setiap gambar memerlukan 258 token, terlepas dari resolusi dan kualitas.

Format teks biasa

File API mendukung upload file teks biasa dengan jenis MIME berikut:

  • text/plain
  • text/html
  • text/css
  • text/javascript
  • application/x-javascript
  • teks/skrip ketik x
  • application/skrip-jenis x
  • teks/csv
  • teks/markdown
  • teks/x-python
  • application/x-python-code
  • application/json
  • text/xml
  • application/rtf
  • teks/rtf

Untuk file teks biasa dengan jenis MIME yang tidak ada dalam daftar, Anda dapat mencoba menentukan salah satu jenis MIME di atas secara manual.