تجزیه‌وتحلیل اسناد (مثل PDF) بااستفاده از Gemini API

می‌توانید از مدل Gemini بخواهید فایل‌های سند (مثل فایل‌های PDF و نوشتار ساده) را که به‌صورت درون‌خطی (کدبندی‌شده با base64) یا ازطریق نشانی وب ارائه می‌دهید تجزیه‌وتحلیل کند. وقتی از Firebase AI Logic استفاده می‌کنید، می‌توانید این درخواست را مستقیماً از برنامه‌تان انجام دهید.

با این قابلیت می‌توانید کارهایی ازاین‌قبیل انجام دهید:

• تجزیه‌وتحلیل کردن نمودارها، چارت‌ها، و جدول‌های داخل اسناد
• استخراج اطلاعات در قالب‌های خروجی ساختاریافته
• پاسخ دادن به سؤالات درباره محتوای تصویری و نوشتاری در اسناد
• خلاصه کردن سندها
• ترانویسی محتوای سند (برای مثال، به HTML)، با حفظ چیدمان و قالب‌بندی، برای استفاده در برنامه‌های پایین‌دستی (مانند خطوط لوله RAG)

این راهنما درباره تولید نوشتار از ورودی سند (مثل PDF) است، اما می‌توانید از ورودی سند تصویر هم تولید کنید.

پرش به نمونه‌های کد پرش به کد برای پاسخ‌های جاری‌شده

برای گزینه‌های بیشتر جهت کار با اسناد (مانند PDF)، به راهنماهای دیگر مراجعه کنید تولید خروجی ساختاریافته گپ چندنوبتی

قبل از شروع

روی ارائه‌دهنده Gemini API کلیک کنید تا محتوا و کد مختص ارائه‌دهنده را در این صفحه ببینید. Gemini Developer API Agent Platform Gemini API

اگر قبلاً این کار را نکرده‌اید، راهنمای شروع به کار را تکمیل کنید که نحوه راه‌اندازی پروژه Firebase، اتصال برنامه به Firebase، افزودن کیت توسعه نرم‌افزار، مقداردهی اولیه سرویس پس‌نگر برای ارائه‌دهنده Gemini API انتخابی، و ایجاد نمونه GenerativeModel را شرح می‌دهد.

همه اسناد ما فرض می‌کنند که شما از جدیدترین نسخه‌های Firebase AI Logic کیت‌های توسعه نرم‌افزار استفاده می‌کنید.

برای آزمایش و تکرار پیام‌واره‌هایتان، توصیه می‌کنیم از Google AI Studio استفاده کنید.

به فایل PDF نمونه نیاز دارید؟

می‌توانید از این فایل دردسترس عموم با نوع MIME‏ application/pdf استفاده کنید (مشاهده یا بارگیری فایل). https://storage.googleapis.com/cloud-samples-data/generative-ai/pdf/2403.05530.pdf

مدل‌هایی که از این قابلیت پشتیبانی می‌کنند

این راهنما درباره تولید نوشتار از ورودی سند (مانند PDF) است و برای مدل‌های Gemini زیر قابل‌اجرا است:

• gemini-4-argon
• gemini-3.8-flash
• ‫gemini-3.5-flash-lite (و gemini-3.1-flash-lite قدیمی‌تر)

مدل‌های قدیمی‌تر Gemini 3.x Flash با کاربرد عمومی از این قابلیت پشتیبانی می‌کنند، اما به‌دلیل تاریخ‌های توقف آتی و/یا مسیریابی خودکار به مدل‌های جدیدتر، دیگر برای استفاده توصیه نمی‌شوند.

توجه: Firebase AI Logic هنوز از پیکربندی وضوح رسانه ورودی پشتیبانی نمی‌کند، اما این ویژگی به‌زودی ارائه می‌شود!

تولید کردن نوشتار از فایل‌های PDF (کدبندی‌شده با base64)

قبل‌از امتحان کردن این نمونه، بخش قبل‌از شروع این راهنما را تکمیل کنید تا پروژه و برنامه‌تان را راه‌اندازی کنید. در آن بخش، همچنین روی دکمه‌ای برای ارائه‌دهنده انتخابی‌تان Gemini API کلیک خواهید کرد تا محتوای مختص ارائه‌دهنده را در این صفحه ببینید.

می‌توانید از مدل Gemini بخواهید با پیام‌واره‌های نوشتاری و فایل‌های PDF نوشتار تولید کند—برای این کار باید mimeType هر فایل ورودی و خود فایل را ارائه دهید. الزامات و توصیه‌های مربوط به فایل‌های ورودی را در ادامه این صفحه پیدا کنید.

مهم: حد مجاز اندازه کل درخواست ۲۰ مگابایت است. برای ارسال فایل‌های بزرگ، گزینه‌های ارائه فایل در درخواست‌های چندحالتی را مرور کنید.

Swift

می‌توانید generateContent() را فراخوانی کنید تا از ورودی چندحالتی نوشتار و PDF، نوشتار تولید کنید.

import FirebaseAILogic

// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())

// Create a `GenerativeModel` instance with a model that supports your use case.
let model = ai.generativeModel(modelName: "gemini-3.8-flash")


// Provide the PDF as `Data` with the appropriate MIME type
let pdf = try InlineDataPart(data: Data(contentsOf: pdfURL), mimeType: "application/pdf")

// Provide a text prompt to include with the PDF file
let prompt = "Summarize the important results in this report."

// To generate text output, call `generateContent` with the PDF file and text prompt
let response = try await model.generateContent(pdf, prompt)

// Print the generated text, handling the case where it might be nil
print(response.text ?? "No text in response.")

Kotlin

می‌توانید generateContent() را فراخوانی کنید تا از ورودی چندحالتی نوشتار و PDF، نوشتار تولید کنید.

^{برای Kotlin، روش‌های موجود در این کیت توسعه نرم‌افزار توابع تعلیق هستند و باید از محدوده Coroutine فراخوانی شوند.}

// Initialize the Gemini Developer API backend service.
// Create a `GenerativeModel` instance with a model that supports your use case.
val model = Firebase.ai(backend = GenerativeBackend.googleAI())
                        .generativeModel("gemini-3.8-flash")


val contentResolver = applicationContext.contentResolver

// Provide the URI for the PDF file you want to send to the model
val inputStream = contentResolver.openInputStream(pdfUri)

if (inputStream != null) {  // Check if the PDF file loaded successfully
    inputStream.use { stream ->
        // Provide a prompt that includes the PDF file specified above and text
        val prompt = content {
            inlineData(
                bytes = stream.readBytes(),
                mimeType = "application/pdf" // Specify the appropriate PDF file MIME type
            )
            text("Summarize the important results in this report.")
        }

        // To generate text output, call `generateContent` with the prompt
        val response = model.generateContent(prompt)

        // Log the generated text, handling the case where it might be null
        Log.d(TAG, response.text ?: "")
    }
} else {
    Log.e(TAG, "Error getting input stream for file.")
    // Handle the error appropriately
}

Java

می‌توانید generateContent() را فراخوانی کنید تا از ورودی چندحالتی نوشتار و PDF، نوشتار تولید کنید.

^{برای Java، روش‌های موجود در این کیت توسعه نرم‌افزار ListenableFuture را برمی‌گرداند.}

// Initialize the Gemini Developer API backend service.
// Create a `GenerativeModel` instance with a model that supports your use case.
GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI())
        .generativeModel("gemini-3.8-flash");

// Use the GenerativeModelFutures Java compatibility layer which offers
// support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(ai);


ContentResolver resolver = getApplicationContext().getContentResolver();

// Provide the URI for the PDF file you want to send to the model
try (InputStream stream = resolver.openInputStream(pdfUri)) {
    if (stream != null) {
        byte[] audioBytes = stream.readAllBytes();
        stream.close();

        // Provide a prompt that includes the PDF file specified above and text
        Content prompt = new Content.Builder()
              .addInlineData(audioBytes, "application/pdf")  // Specify the appropriate PDF file MIME type
              .addText("Summarize the important results in this report.")
              .build();

        // To generate text output, call `generateContent` with the prompt
        ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
        Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
            @Override
            public void onSuccess(GenerateContentResponse result) {
                String text = result.getText();
                Log.d(TAG, (text == null) ? "" : text);
            }
            @Override
            public void onFailure(Throwable t) {
                Log.e(TAG, "Failed to generate a response", t);
            }
        }, executor);
    } else {
        Log.e(TAG, "Error getting input stream for file.");
        // Handle the error appropriately
    }
} catch (IOException e) {
    Log.e(TAG, "Failed to read the pdf file", e);
} catch (URISyntaxException e) {
    Log.e(TAG, "Invalid pdf file", e);
}

Web

می‌توانید generateContent() را فراخوانی کنید تا از ورودی چندحالتی نوشتار و PDF، نوشتار تولید کنید.

import { initializeApp } from "firebase/app";
import { getAI, getGenerativeModel, GoogleAIBackend } from "firebase/ai";

// TODO(developer): Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
  // ...
};

// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);

// Initialize the Gemini Developer API backend service.
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Create a `GenerativeModel` instance with a model that supports your use case.
const model = getGenerativeModel(ai, { model: "gemini-3.8-flash" });


// Converts a File object to a Part object.
async function fileToGenerativePart(file) {
  const base64EncodedDataPromise = new Promise((resolve) => {
    const reader = new FileReader();
    reader.onloadend = () => resolve(reader.result.split(','));
    reader.readAsDataURL(file);
  });
  return {
    type: "inlineData",
    inlineData: { data: await base64EncodedDataPromise, mimeType: file.type },
  };
}

async function run() {
  // Provide a text prompt to include with the PDF file
  const prompt = "Summarize the important results in this report.";

  // Prepare PDF file for input
  const fileInputEl = document.querySelector("input[type=file]");
  const pdfPart = await fileToGenerativePart(fileInputEl.files);

  // To generate text output, call `generateContent` with the text and PDF file
  const result = await model.generateContent([prompt, pdfPart]);

  // Log the generated text, handling the case where it might be undefined
  console.log(result.response.text() ?? "No text in response.");
}

run();

Dart

می‌توانید generateContent() را فراخوانی کنید تا از ورودی چندحالتی نوشتار و PDF، نوشتار تولید کنید.

import 'package:firebase_ai/firebase_ai.dart';
import 'package:firebase_core/firebase_core.dart';
import 'firebase_options.dart';

// Initialize FirebaseApp
await Firebase.initializeApp(
  options: DefaultFirebaseOptions.currentPlatform,
);

// Initialize the Gemini Developer API backend service.
// Create a `GenerativeModel` instance with a model that supports your use case.
final model =
      FirebaseAI.googleAI().generativeModel(model: 'gemini-3.8-flash');


// Provide a text prompt to include with the PDF file
final prompt = TextPart("Summarize the important results in this report.");

// Prepare the PDF file for input
final doc = await File('document0.pdf').readAsBytes();

// Provide the PDF file as `Data` with the appropriate PDF file MIME type
final docPart = InlineDataPart('application/pdf', doc);

// To generate text output, call `generateContent` with the text and PDF file
final response = await model.generateContent([
  Content.multi([prompt,docPart])
]);

// Print the generated text
print(response.text);

Unity

می‌توانید GenerateContentAsync() را فراخوانی کنید تا از ورودی چندحالتی نوشتار و PDF، نوشتار تولید کنید.

using Firebase;
using Firebase.AI;

// Initialize the Gemini Developer API backend service.
var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI());

// Create a `GenerativeModel` instance with a model that supports your use case.
var model = ai.GetGenerativeModel(modelName: "gemini-3.8-flash");


// Provide a text prompt to include with the PDF file
var prompt = ModelContent.Text("Summarize the important results in this report.");

// Provide the PDF file as `data` with the appropriate PDF file MIME type
var doc = ModelContent.InlineData("application/pdf",
      System.IO.File.ReadAllBytes(System.IO.Path.Combine(
        UnityEngine.Application.streamingAssetsPath, "document0.pdf")));

// To generate text output, call `GenerateContentAsync` with the text and PDF file
var response = await model.GenerateContentAsync(new [] { prompt, doc });

// Print the generated text
UnityEngine.Debug.Log(response.Text ?? "No text in response.");

با نحوه انتخاب مدل مناسب برای مورد استفاده و برنامه خود آشنا شوید.

جاری‌سازی پاسخ

قبل‌از امتحان کردن این نمونه، بخش قبل‌از شروع این راهنما را تکمیل کنید تا پروژه و برنامه‌تان را راه‌اندازی کنید. در آن بخش، همچنین روی دکمه‌ای برای ارائه‌دهنده انتخابی‌تان Gemini API کلیک خواهید کرد تا محتوای مختص ارائه‌دهنده را در این صفحه ببینید.

با منتظر نماندن برای دریافت کل نتیجه از تولید مدل و درعوض استفاده از جاری‌سازی برای مدیریت نتایج جزئی، می‌توانید تعامل‌های سریع‌تری داشته باشید. برای جاری‌سازی پاسخ، generateContentStream را فراخوانی کنید.

مشاهده مثال: جاری‌سازی نوشتار تولیدشده از فایل‌های PDF

Swift

می‌توانید generateContentStream() را فراخوانی کنید تا نوشتار تولیدشده را از ورودی چندوجهی نوشتار و PDF جاری‌سازی کنید.

import FirebaseAILogic

// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())

// Create a `GenerativeModel` instance with a model that supports your use case.
let model = ai.generativeModel(modelName: "gemini-3.8-flash")


// Provide the PDF as `Data` with the appropriate MIME type
let pdf = try InlineDataPart(data: Data(contentsOf: pdfURL), mimeType: "application/pdf")

// Provide a text prompt to include with the PDF file
let prompt = "Summarize the important results in this report."

// To stream generated text output, call `generateContentStream` with the PDF file and text prompt
let contentStream = try model.generateContentStream(pdf, prompt)

// Print the generated text, handling the case where it might be nil
for try await chunk in contentStream {
  if let text = chunk.text {
    print(text)
  }
}

Kotlin

می‌توانید generateContentStream() را فراخوانی کنید تا نوشتار تولیدشده را از ورودی چندوجهی نوشتار و PDF جاری‌سازی کنید.

^{برای Kotlin، روش‌های موجود در این کیت توسعه نرم‌افزار توابع تعلیق هستند و باید از محدوده Coroutine فراخوانی شوند.}

// Initialize the Gemini Developer API backend service.
// Create a `GenerativeModel` instance with a model that supports your use case.
val model = Firebase.ai(backend = GenerativeBackend.googleAI())
                        .generativeModel("gemini-3.8-flash")


val contentResolver = applicationContext.contentResolver

// Provide the URI for the PDF you want to send to the model
val inputStream = contentResolver.openInputStream(pdfUri)

if (inputStream != null) {  // Check if the PDF file loaded successfully
    inputStream.use { stream ->
        // Provide a prompt that includes the PDF file specified above and text
        val prompt = content {
            inlineData(
                bytes = stream.readBytes(),
                mimeType = "application/pdf" // Specify the appropriate PDF file MIME type
            )
            text("Summarize the important results in this report.")
        }

        // To stream generated text output, call `generateContentStream` with the prompt
        var fullResponse = ""
        model.generateContentStream(prompt).collect { chunk ->
            // Log the generated text, handling the case where it might be null
            val chunkText = chunk.text ?: ""
            Log.d(TAG, chunkText)
            fullResponse += chunkText
        }
    }
} else {
    Log.e(TAG, "Error getting input stream for file.")
    // Handle the error appropriately
}

Java

می‌توانید generateContentStream() را فراخوانی کنید تا نوشتار تولیدشده را از ورودی چندوجهی نوشتار و PDF جاری‌سازی کنید.

^{برای Java، روش‌های جاری‌سازی در این کیت توسعه نرم‌افزار نوع Publisher را از کتابخانه Reactive Streams برمی‌گرداند.}

// Initialize the Gemini Developer API backend service.
// Create a `GenerativeModel` instance with a model that supports your use case.
GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI())
        .generativeModel("gemini-3.8-flash");

// Use the GenerativeModelFutures Java compatibility layer which offers
// support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(ai);


ContentResolver resolver = getApplicationContext().getContentResolver();

// Provide the URI for the PDF file you want to send to the model
try (InputStream stream = resolver.openInputStream(pdfUri)) {
    if (stream != null) {
        byte[] audioBytes = stream.readAllBytes();
        stream.close();

        // Provide a prompt that includes the PDF file specified above and text
        Content prompt = new Content.Builder()
              .addInlineData(audioBytes, "application/pdf")  // Specify the appropriate PDF file MIME type
              .addText("Summarize the important results in this report.")
              .build();

        // To stream generated text output, call `generateContentStream` with the prompt
        Publisher<GenerateContentResponse> streamingResponse =
                model.generateContentStream(prompt);

        StringBuilder fullResponse = new StringBuilder();

        streamingResponse.subscribe(new Subscriber<GenerateContentResponse>() {
            @Override
            public void onNext(GenerateContentResponse generateContentResponse) {
                String chunk = generateContentResponse.getText();
                String text = (chunk == null) ? "" : chunk;
                Log.d(TAG, text);
                fullResponse.append(text);
            }

            @Override
            public void onComplete() {
                Log.d(TAG, fullResponse.toString());
            }

            @Override
            public void onError(Throwable t) {
                Log.e(TAG, "Failed to generate a response", t);
            }

            @Override
            public void onSubscribe(Subscription s) {
            }
         });
    } else {
        Log.e(TAG, "Error getting input stream for file.");
        // Handle the error appropriately
    }
} catch (IOException e) {
    Log.e(TAG, "Failed to read the pdf file", e);
} catch (URISyntaxException e) {
    Log.e(TAG, "Invalid pdf file", e);
}

Web

می‌توانید generateContentStream() را فراخوانی کنید تا نوشتار تولیدشده را از ورودی چندوجهی نوشتار و PDF جاری‌سازی کنید.

import { initializeApp } from "firebase/app";
import { getAI, getGenerativeModel, GoogleAIBackend } from "firebase/ai";

// TODO(developer): Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
  // ...
};

// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);

// Initialize the Gemini Developer API backend service.
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Create a `GenerativeModel` instance with a model that supports your use case.
const model = getGenerativeModel(ai, { model: "gemini-3.8-flash" });


// Converts a File object to a Part object.
async function fileToGenerativePart(file) {
  const base64EncodedDataPromise = new Promise((resolve) => {
    const reader = new FileReader();
    reader.onloadend = () => resolve(reader.result.split(','));
    reader.readAsDataURL(file);
  });
  return {
    type: "inlineData",
    inlineData: { data: await base64EncodedDataPromise, mimeType: file.type },
  };
}

async function run() {
  // Provide a text prompt to include with the PDF file
  const prompt = "Summarize the important results in this report.";

  // Prepare PDF file for input
  const fileInputEl = document.querySelector("input[type=file]");
  const pdfPart = await fileToGenerativePart(fileInputEl.files);

  // To stream generated text output, call `generateContentStream` with the text and PDF file
  const result = await model.generateContentStream([prompt, pdfPart]);

  // Log the generated text
  for await (const chunk of result.stream) {
    const chunkText = chunk.text();
    console.log(chunkText);
  }
}

run();

Dart

می‌توانید generateContentStream() را فراخوانی کنید تا نوشتار تولیدشده را از ورودی چندحالتی نوشتار و PDF جاری‌سازی کنید.

import 'package:firebase_ai/firebase_ai.dart';
import 'package:firebase_core/firebase_core.dart';
import 'firebase_options.dart';

// Initialize FirebaseApp
await Firebase.initializeApp(
  options: DefaultFirebaseOptions.currentPlatform,
);

// Initialize the Gemini Developer API backend service.
// Create a `GenerativeModel` instance with a model that supports your use case.
final model =
      FirebaseAI.googleAI().generativeModel(model: 'gemini-3.8-flash');


// Provide a text prompt to include with the PDF file
final prompt = TextPart("Summarize the important results in this report.");

// Prepare the PDF file for input
final doc = await File('document0.pdf').readAsBytes();

// Provide the PDF file as `Data` with the appropriate PDF file MIME type
final docPart = InlineDataPart('application/pdf', doc);

// To generate text output, call `generateContentStream` with the text and PDF file
final response = await model.generateContentStream([
  Content.multi([prompt,docPart])
]);

// Print the generated text
await for (final chunk in response) {
  print(chunk.text);
}

Unity

می‌توانید GenerateContentStreamAsync() را فراخوانی کنید تا نوشتار تولیدشده را از ورودی چندوجهی نوشتار و PDF جاری‌سازی کنید.

using Firebase;
using Firebase.AI;

// Initialize the Gemini Developer API backend service.
var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI());

// Create a `GenerativeModel` instance with a model that supports your use case.
var model = ai.GetGenerativeModel(modelName: "gemini-3.8-flash");


// Provide a text prompt to include with the PDF file
var prompt = ModelContent.Text("Summarize the important results in this report.");

// Provide the PDF file as `data` with the appropriate PDF file MIME type
var doc = ModelContent.InlineData("application/pdf",
      System.IO.File.ReadAllBytes(System.IO.Path.Combine(
        UnityEngine.Application.streamingAssetsPath, "document0.pdf")));

// To stream generated text output, call `GenerateContentStreamAsync` with the text and PDF file
var responseStream = model.GenerateContentStreamAsync(new [] { prompt, doc });

// Print the generated text
await foreach (var response in responseStream) {
  if (!string.IsNullOrWhiteSpace(response.Text)) {
    UnityEngine.Debug.Log(response.Text);
  }
}

با نحوه انتخاب مدل مناسب برای مورد استفاده و برنامه خود آشنا شوید.

---

الزامات و توصیه‌ها برای اسناد ورودی

مهم: حد مجاز اندازه کل درخواست ۲۰ مگابایت است. برای ارسال فایل‌های بزرگ، گزینه‌های ارائه فایل در درخواست‌های چندحالتی را مرور کنید.

توجه داشته باشید که فایلی که به‌عنوان داده درون‌خطی ارائه می‌شود، در حین انتقال به base64 کدگذاری می‌شود که اندازه درخواست را افزایش می‌دهد. اگر درخواست خیلی بزرگ باشد، خطای HTTP 413 دریافت می‌کنید.

برای کسب اطلاعات دقیق درباره موارد زیر، به صفحه «فایل‌های ورودی پشتیبانی‌شده و الزامات» مراجعه کنید:

• گزینه‌های مختلف برای ارائه فایل در درخواست (به‌صورت درون‌خطی یا بااستفاده از نشانی وب یا URI فایل)
• الزامات و روال‌های مطلوب برای فایل‌های سند

انواع MIME سند پشتیبانی‌شده

مدل‌های چندحالتی Gemini از انواع MIME سند زیر پشتیبانی می‌کنند:

• PDF - application/pdf
• نوشتار - text/plain

محدودیت‌های هر درخواست

با فایل‌های PDF به‌عنوان تصویر رفتار می‌شود، بنابراین یک صفحه از فایل PDF به‌عنوان یک تصویر درنظر گرفته می‌شود. تعداد صفحه‌های مجاز در پیام‌واره به تعداد تصاویری که مدل‌های چندحالتی Gemini می‌توانند پشتیبانی کنند محدود است.

• حداکثر تعداد فایل در هر درخواست: ۳٬۰۰۰ فایل
• حداکثر تعداد صفحه در هر فایل: ۱۰۰۰ صفحه در هر فایل
• حداکثر اندازه هر فایل: ۵۰ مگابایت برای هر فایل

---

چه کارهای دیگری می‌توانید انجام دهید؟

• با نحوه شمارش کردن توکن‌ها پیش‌از ارسال پیام‌واره‌های طولانی به مدل آشنا شوید.
• Cloud Storage for Firebase را راه‌اندازی کنید تا بتوانید فایل‌های بزرگ را در درخواست‌های چندحالتی خود بگنجانید و راه‌حل مدیریت‌شده‌تری برای ارائه فایل‌ها در پیام‌واره‌ها داشته باشید. فایل‌ها می‌توانند شامل تصاویر، فایل‌های PDF، ویدیو، و صدا باشند.
• به آماده شدن برای تولید فکر کنید (به بازبینه تولید مراجعه کنید):
  • Firebase App Check را در اسرع وقت اجرا کنید تا به محافظت از Gemini API دربرابر سوءاستفاده کارخواه‌های غیرمجاز کمک کنید.
  • از Firebase Remote Config یا الگوهای پیام‌واره سرور استفاده کنید تا بتوانید تغییرات درخواستی را در پیکربندی‌های ویژگی هوش مصنوعی خود (مانند نام مدل) بدون انتشار نسخه جدیدی از برنامه‌تان اعمال کنید.

امتحان کردن قابلیت‌های دیگر

• مکالمه‌های چندنوبتی (گپ) بسازید.
• تولید نوشتار از پیام‌واره‌های فقط نوشتاری.
• برونداد ساختاریافته (مثل JSON) از پیام‌واره‌های نوشتاری و چندحالته تولید کنید.
• تصاویر را از پیام‌واره‌های نوشتاری و چندحالته تولید و ویرایش کنید.
• تولید گفتار (هم تک‌گوینده و هم چندگوینده) بااستفاده از مدل‌های Gemini نوشتار به گفتار (TTS).
• از ابزارهایی (مانند فراخوانی تابع و «پایه‌سازی» با Google Search یا Google Maps) برای متصل کردن مدل Gemini به بخش‌های دیگر برنامه‌تان و سیستم‌ها و اطلاعات خارجی استفاده کنید.

با نحوه کنترل کردن تولید محتوا آشنا شوید

• آشنایی با طراحی پیام‌واره، ازجمله روال‌های مطلوب، استراتژی‌ها، و پیام‌واره‌های نمونه.
• پارامترهای مدل را پیکربندی کنید، مانند حداکثر داده‌واحدهای برونداد، احتمال تکرار داده‌واحدهای برونداد، و غیره.
• از تنظیمات ایمنی استفاده کنید تا احتمال دریافت پاسخ‌هایی را که ممکن است مضر تلقی شوند تنظیم کنید.

همچنین می‌توانید با پیام‌واره‌ها و پیکربندی‌های مدل آزمایش کنید و حتی بااستفاده از Google AI Studio تکه‌کد تولیدشده دریافت کنید.

درباره مدل‌های پشتیبانی‌شده بیشتر بدانید

با مدل‌های دردسترس برای موارد استفاده مختلف و سهمیه‌ها و قیمت‌گذاری آن‌ها آشنا شوید.

درباره تجربه‌تان با Firebase AI Logic بازخورد ارائه دهید