إنشاء نص باستخدام Gemini API

يمكن لواجهة Gemini API إنشاء إخراج نصي عند توفير النصوص والصور والفيديوهات والمقاطع الصوتية كإدخال.

يشرح لك هذا الدليل كيفية إنشاء نص باستخدام الطريقتين generateContent وstreamGenerateContent. للتعرّف على كيفية استخدام ميزات الرؤية والصوت في Gemini، يُرجى الرجوع إلى دليلَي الرؤية والصوت.

قبل البدء: إعداد مشروعك ومفتاح واجهة برمجة التطبيقات

قبل طلب Gemini API، عليك إعداد مشروعك وضبط مفتاح واجهة برمجة التطبيقات.

إنشاء نص من إدخال نصي فقط

أبسط طريقة لإنشاء نص باستخدام Gemini API هي تزويد النموذج بإدخال نصي واحد فقط، كما هو موضّح في هذا المثال:

model = genai.GenerativeModel("gemini-1.5-flash")
response = model.generate_content("Write a story about a magic backpack.")
print(response.text)
text_generation.py

في هذه الحالة، لا تتضمن المطالبة ("كتابة قصة عن حقيبة ظهر سحرية") أي أمثلة على الإخراج أو تعليمات نظام أو معلومات تنسيق. وهي بلا مثال . في بعض حالات الاستخدام، قد يؤدي استخدام طلب لمرة واحدة أو لعدة مرات إلى تقديم نتيجة أكثر توافقًا مع توقعات المستخدم. في بعض الحالات، قد تحتاج أيضًا إلى تقديم تعليمات النظام لمساعدة النموذج في فهم المَهمّة أو اتّباع إرشادات محدّدة.

إنشاء نص من إدخال النص والصورة

تتيح Gemini API إدخالات متعددة الوسائط تجمع النص مع ملفات الوسائط. يوضّح المثال التالي كيفية إنشاء نص من إدخال نص وصورة:

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)
text_generation.py

كما هو الحال مع المطالبة النصية فقط، يمكن أن يتضمن الطلب متعدد الوسائط طرقًا وتحسينات متنوعة. استنادًا إلى النتيجة الناتجة عن هذا المثال، قد تحتاج إلى إضافة خطوات إلى الطلب أو أن تكون أكثر تحديدًا في تعليماتك. لمزيد من المعلومات، اطّلِع على استراتيجيات طلب الملفات.

إنشاء مصدر نصي

يعرض النموذج تلقائيًا استجابةً بعد إكمال عملية إنشاء النص بالكامل. يمكنك تحقيق تفاعلات أسرع من خلال عدم الانتظار للحصول على النتيجة الكاملة، واستخدام البث بدلاً من ذلك للتعامل مع النتائج الجزئية.

يوضّح المثال التالي كيفية تنفيذ البث باستخدام أسلوب streamGenerateContent ل إنشاء نص من طلب إدخال نصي فقط.

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)
text_generation.py

إنشاء محادثة تفاعلية

يمكنك استخدام Gemini API لتقديم تجارب محادثة تفاعلية للمستخدمين. يتيح لك استخدام ميزة الدردشة في واجهة برمجة التطبيقات جمع جولات متعددة من الأسئلة والردود، ما يسمح للمستخدمين بالتقدّم تدريجيًا نحو العثور على إجابات أو الحصول على مساعدة بشأن المشاكل التي تتضمّن أجزاء متعددة. هذه الميزة مثالية للتطبيقات التي تتطلّب تواصلًا مستمرًا، مثل محادثات الدردشة أو المعلّمين التفاعليين أو مساعدة العميل.

يعرض مثال الرمز البرمجي التالي عملية تنفيذ أساسية للمحادثة:

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)
chat.py

تفعيل بث المحادثات

يمكنك أيضًا استخدام ميزة البث مع المحادثة، كما هو موضّح في المثال التالي:

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.", stream=True)
for chunk in response:
    print(chunk.text)
    print("_" * 80)
response = chat.send_message("How many paws are in my house?", stream=True)
for chunk in response:
    print(chunk.text)
    print("_" * 80)

print(chat.history)
chat.py

ضبط إعدادات إنشاء النصوص

تتضمّن كل مطالبة ترسلها إلى النموذج مَعلمات تتحكم في كيفية إنشاء النموذج للردود. يمكنك استخدام GenerationConfig لضبط هذه المَعلمات. في حال عدم ضبط المَعلمات، يستخدم النموذج الخيارات التلقائية التي يمكن أن تختلف حسب النموذج.

يوضّح المثال التالي كيفية ضبط العديد من الخيارات المتاحة.

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)
configure_model_parameters.py

تحدّد الدالة candidateCount عدد الردود التي تم إنشاؤها لعرضها. لا يمكن حاليًا ضبط هذه القيمة إلا على 1. في حال عدم ضبط هذا الخيار، سيتم ضبطه تلقائيًا على 1.

تحدّد السمة stopSequences مجموعة تسلسلات الأحرف (ما يصل إلى 5) التي توقِف إنشاء الإخراج. في حال تحديد هذا الحقل، ستتوقف واجهة برمجة التطبيقات عند أول ظهور لعنصر stop_sequence. لن يتم تضمين تسلسل التوقف كجزء من الاستجابة.

يحدِّد maxOutputTokens الحد الأقصى لعدد الرموز المميّزة المطلوب تضمينها في المرشّح.

يتحكّم temperature في التوزيع العشوائي للناتج. استخدِم قيمًا أعلى للحصول على المزيد من الردود الإبداعية، وقيمًا أقل للحصول على المزيد من الردود الحتمية. يمكن أن تتراوح القيم بين [0.0, 2.0].

يمكنك أيضًا إعداد مكالمات فردية مع "generateContent":

response = model.generate_content(
    'Write a story about a magic backpack.',
    generation_config = genai.GenerationConfig(
        max_output_tokens=1000,
        temperature=0.1,
    )
)

وتتجاهل أي قيم تم ضبطها في الطلب الفردي القيم في دالة إنشاء النموذج.

الخطوات التالية

بعد أن استكشافت أساسيات Gemini API، ننصحك بالمحاولة التالية:

  • فهم الرؤية: تعرَّف على كيفية استخدام ميزات فهم الرؤية المضمّنة في Gemini لمعالجة الصور والفيديوهات.
  • تعليمات النظام: تتيح لك تعليمات النظام توجيه سلوك النموذج استنادًا إلى احتياجاتك وحالات الاستخدام المحدّدة.
  • فهم الصوت: تعرَّف على طريقة استخدام تقنية فهم الصوت الأصلي في Gemini لمعالجة الملفات الصوتية.