Gemini API 可以根据各种类型的输入生成文本输出,包括 文本、图片、视频和音频。您可以使用文本生成功能来 包括:
- 创意写作
- 描述或解读媒体资源
- 文字补全
- 自由格式文本摘要
- 互译
- 聊天机器人
- 您自己的新应用场景
本指南将介绍如何使用
generateContent
和
streamGenerateContent
您选择的 API 和服务器端 SDK。重点是文本输出,
以及纯文字和图片输入。详细了解多模态提示
包含视频和音频文件的信息,请参阅
提示媒体文件。
准备工作:设置您的项目和 API 密钥
在调用 Gemini API 之前,您需要设置项目并配置 您的 API 密钥。
根据纯文本输入生成文本
使用 Gemini API 生成文本的最简单方法是提供 单个文本的输入,如下例所示:
model = genai.GenerativeModel("gemini-1.5-flash")
response = model.generate_content("Write a story about a magic backpack.")
print(response.text)
在此示例中,提示(“写一个关于一个神奇背包的故事”)没有 添加任何输出示例、系统指令或格式信息。 零样本 方法。对于某些应用场景, 单次或 少样本提示 可能会生成更符合用户预期的输出。在某些情况下 你可能还希望提供 系统说明,以帮助模型 了解任务或遵循具体指南。
根据文本和图片输入生成文本
Gemini API 支持将文本与媒体文件相结合的多模态输入。 以下示例展示了如何根据文本和图片输入生成文本:
import PIL.Image
model = genai.GenerativeModel("gemini-1.5-flash")
organ = PIL.Image.open(media / "organ.jpg")
response = model.generate_content(["Tell me about this instrument", organ])
print(response.text)
与纯文字提示一样,多模态提示可能涉及多种方法 以及优化。根据此示例的输出,您可能需要 在提示中添加步骤,或在说明中添加更具体的内容。如需了解详情, 请参阅文件提示策略。
生成文本流
默认情况下,模型会在填完整个文本后返回回答 生成过程。您可以实现更快的互动,即不等待 整个结果,而改用流式传输来处理部分结果。
以下示例展示了如何使用
streamGenerateContent
方法
根据纯文本输入提示生成文本。
model = genai.GenerativeModel("gemini-1.5-flash")
response = model.generate_content("Write a story about a magic backpack.", stream=True)
for chunk in response:
print(chunk.text)
print("_" * 80)
构建互动式聊天
您可以使用 Gemini API 为用户打造互动式聊天体验。 通过使用该 API 的聊天功能,您可以收集多轮问题 和回答,让用户能够逐步寻求答案或获取帮助 解决多部分问题。此功能非常适合有以下要求的应用: 持续沟通,例如聊天机器人、互动式导师或客户服务 Google 助理。
以下代码示例展示了基本的聊天实现:
model = genai.GenerativeModel("gemini-1.5-flash")
chat = model.start_chat(
history=[
{"role": "user", "parts": "Hello"},
{"role": "model", "parts": "Great to meet you. What would you like to know?"},
]
)
response = chat.send_message("I have 2 dogs in my house.")
print(response.text)
response = chat.send_message("How many paws are in my house?")
print(response.text)
配置文本生成
您发送给模型的每个提示都包含
参数,
控制模型生成响应的方式。您可以使用
GenerationConfig
至
配置这些参数如果您不配置参数,则模型
使用默认选项,具体选项可能因模型而异。
以下示例展示了如何配置多个可用选项。
model = genai.GenerativeModel("gemini-1.5-flash")
response = model.generate_content(
"Tell me a story about a magic backpack.",
generation_config=genai.types.GenerationConfig(
# Only one candidate for now.
candidate_count=1,
stop_sequences=["x"],
max_output_tokens=20,
temperature=1.0,
),
)
print(response.text)
candidateCount
指定要返回的已生成响应的数量。
目前,此值只能设置为 1。如果未设置,则默认为 1。
stopSequences
用于指定字符序列集(最多 5 个),
停止输出生成。如果指定,API 将在首次出现时停止
(针对 stop_sequence
)。停止序列不会包含在
响应。
maxOutputTokens
设置候选词可包含的词元数量上限。
temperature
用于控制输出的随机性。使用更高的值
更有创意的回答,而较低的值可获得更加确定的回答。值
取值范围为 [0.0, 2.0]。
您还可以配置对 generateContent
的单个调用:
response = model.generate_content(
'Write a story about a magic backpack.',
generation_config = genai.GenerationConfig(
max_output_tokens=1000,
temperature=0.1,
)
)
针对单个调用设置的任何值都会覆盖模型构造函数上的值。
后续步骤
本指南介绍了如何使用
generateContent
和
streamGenerateContent
从纯文本输入以及文本和图像输入生成文本输出。了解详情
有关使用 Gemini API 生成文本的信息,请参阅以下资源: