এই পৃষ্ঠাটি Cloud Translation API অনুবাদ করেছে।

Google অনুসন্ধানের সাথে গ্রাউন্ডিং

Google অনুসন্ধানের সাথে গ্রাউন্ডিং একটি মিথুন মডেলকে রিয়েল-টাইমে, সর্বজনীনভাবে উপলব্ধ ওয়েব সামগ্রীর সাথে সংযুক্ত করে। এটি মডেলটিকে আরও সঠিক, আপ-টু-ডেট উত্তর প্রদান করতে এবং তার জ্ঞান কাটঅফের বাইরে যাচাইযোগ্য উত্স উদ্ধৃত করতে দেয়।

Google অনুসন্ধানের সাথে গ্রাউন্ডিংয়ের নিম্নলিখিত সুবিধা রয়েছে:

তথ্যগত নির্ভুলতা বৃদ্ধি করুন : বাস্তব-বিশ্বের তথ্যের উপর ভিত্তি করে প্রতিক্রিয়ার ভিত্তিতে মডেল হ্যালুসিনেশন হ্রাস করুন।
রিয়েল-টাইম তথ্য অ্যাক্সেস করুন : সাম্প্রতিক ঘটনা এবং বিষয় সম্পর্কে প্রশ্নের উত্তর দিন।
উদ্ধৃতি প্রদান করুন : ব্যবহারকারীর বিশ্বাস গড়ে তুলুন বা মডেলের দাবির উত্সগুলি দেখিয়ে ব্যবহারকারীদের প্রাসঙ্গিক সাইটগুলি ব্রাউজ করার অনুমতি দিন৷
আরও জটিল কাজগুলি সম্পূর্ণ করুন : যুক্তিযুক্ত কাজগুলিতে সহায়তা করার জন্য শিল্পকর্ম এবং প্রাসঙ্গিক ছবি, ভিডিও বা অন্যান্য মিডিয়া পুনরুদ্ধার করুন।
অঞ্চল বা ভাষা-নির্দিষ্ট প্রতিক্রিয়া উন্নত করুন : অঞ্চল-নির্দিষ্ট তথ্য খুঁজুন, বা সঠিকভাবে বিষয়বস্তু অনুবাদ করতে সহায়তা করুন।

মনে রাখবেন যে Google অনুসন্ধানের জন্য গ্রাউন্ডিং এর সমর্থন iOS+, Android, Web এবং Flutter-এর জন্য উপলব্ধ। এটি তার আসন্ন প্রকাশে ইউনিটির জন্য উপলব্ধ হবে।

সমর্থিত মডেল

gemini-2.5-pro
gemini-2.5-flash
gemini-2.5-flash-lite-preview-06-17
gemini-2.0-flash-001 (এবং এর স্বয়ংক্রিয়-আপডেট উপনাম gemini-2.0-flash )
gemini-2.0-flash-live-preview-04-09

সমর্থিত ভাষা

মিথুন মডেলের জন্য সমর্থিত ভাষা দেখুন।

Google সার্চ দিয়ে মডেলটিকে গ্রাউন্ড করুন

এই পৃষ্ঠায় প্রদানকারী-নির্দিষ্ট সামগ্রী এবং কোড দেখতে আপনার Gemini API প্রদানকারীতে ক্লিক করুন।

গুরুত্বপূর্ণ: যদি কোনও প্রতিক্রিয়াতে "Google অনুসন্ধানের পরামর্শ" থাকে ( groundingMetadata অবজেক্টের মধ্যে searchEntryPoint ক্ষেত্র), তাহলে সেই প্রতিক্রিয়াটি একটি "গ্রাউন্ডেড ফলাফল" তাই আপনাকে "গুগল অনুসন্ধানের সাথে গ্রাউন্ডিং" ব্যবহারের প্রয়োজনীয়তাগুলি মেনে চলতে হবে, যার মধ্যে রয়েছে আপনি কীভাবে ফলাফল প্রদর্শন করবেন । এই পৃষ্ঠায় পরে একটি গ্রাউন্ডেড ফলাফল কীভাবে ব্যবহার এবং প্রদর্শন করবেন তা শিখুন।

আপনি যখন GenerativeModel উদাহরণ তৈরি করেন, তখন GoogleSearch একটি tool হিসেবে প্রদান করুন যা মডেলটি তার প্রতিক্রিয়া তৈরি করতে ব্যবহার করতে পারে।

সুইফট


import FirebaseAI

// 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_MODEL_NAME",
    // Provide Google Search as a tool that the model can use to generate its response
    tools: [Tool.googleSearch()]
)

let response = try await model.generateContent("Who won the euro 2024?")
print(response.text ?? "No text in response.")

// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result

Kotlin


// 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(
    modelName = "GEMINI_MODEL_NAME",
    // Provide Google Search as a tool that the model can use to generate its response
    tools = listOf(Tool.GoogleSearch())
)

val response = model.generateContent("Who won the euro 2024?")
print(response.text)

// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result

Java


// 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_MODEL_NAME",
                        null,
                        null,
                        // Provide Google Search as a tool that the model can use to generate its response
                        List.of(Tool.GoogleSearch()));

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

ListenableFuture response = model.generateContent("Who won the euro 2024?");
  Futures.addCallback(response, new FutureCallback() {
      @Override
      public void onSuccess(GenerateContentResponse result) {
          String resultText = result.getText();
          System.out.println(resultText);
      }

      @Override
      public void onFailure(Throwable t) {
          t.printStackTrace();
      }
  }, executor);

// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result

Web


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_MODEL_NAME",
    // Provide Google Search as a tool that the model can use to generate its response
    tools: [{ googleSearch: {} }]
  }
);

const result = await model.generateContent("Who won the euro 2024?");

console.log(result.response.text());

// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result

Dart


import 'package:firebase_core/firebase_core.dart';
import 'package:firebase_ai/firebase_ai.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_MODEL_NAME',
  // Provide Google Search as a tool that the model can use to generate its response
  tools: [
    Tool.googleSearch(),
  ],
);

final response = await model.generateContent([Content.text("Who won the euro 2024?")]);
print(response.text);

// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result

ঐক্য

ঐক্যের জন্য সমর্থন তার পরবর্তী প্রকাশে আসছে।

একটি মডেল নির্বাচন কিভাবে শিখুনআপনার ব্যবহারের ক্ষেত্রে এবং অ্যাপের জন্য উপযুক্ত।

আদর্শ ফলাফলের জন্য, 1.0 তাপমাত্রা ব্যবহার করুন (যা সমস্ত 2.5 মডেলের জন্য ডিফল্ট)। মডেলের কনফিগারেশনে তাপমাত্রা কীভাবে সেট করবেন তা শিখুন।

Google অনুসন্ধানের সাথে গ্রাউন্ডিং কীভাবে কাজ করে

আপনি যখন GoogleSearch টুল ব্যবহার করেন, মডেলটি স্বয়ংক্রিয়ভাবে অনুসন্ধান, প্রক্রিয়াকরণ এবং তথ্য উদ্ধৃত করার সম্পূর্ণ কার্যপ্রবাহ পরিচালনা করে।

এখানে মডেলের কর্মপ্রবাহ:

প্রম্পট গ্রহন করুন : আপনার অ্যাপটি GoogleSearch টুল সক্ষম করে জেমিনি মডেলে একটি প্রম্পট পাঠায়।
প্রম্পট বিশ্লেষণ করুন : মডেলটি প্রম্পট বিশ্লেষণ করে এবং Google অনুসন্ধান তার প্রতিক্রিয়া উন্নত করতে পারে কিনা তা নির্ধারণ করে।
Google অনুসন্ধানে প্রশ্ন পাঠান : যদি প্রয়োজন হয়, মডেলটি স্বয়ংক্রিয়ভাবে এক বা একাধিক অনুসন্ধান প্রশ্ন তৈরি করে এবং সেগুলি কার্যকর করে৷
অনুসন্ধানের ফলাফলগুলি প্রক্রিয়া করুন : মডেলটি Google অনুসন্ধান ফলাফলগুলিকে প্রক্রিয়া করে এবং মূল প্রম্পটের একটি প্রতিক্রিয়া তৈরি করে৷
একটি "গ্রাউন্ডেড রেজাল্ট" ফেরত দিন : মডেলটি একটি চূড়ান্ত, ব্যবহারকারী-বান্ধব প্রতিক্রিয়া প্রদান করে যা Google অনুসন্ধান ফলাফলে ভিত্তি করে। এই প্রতিক্রিয়ার মধ্যে রয়েছে মডেলের পাঠ্য উত্তর এবং অনুসন্ধান ক্যোয়ারী, ওয়েব ফলাফল এবং উদ্ধৃতি সহ groundingMetadata ।

মনে রাখবেন যে মডেলটিকে একটি টুল হিসাবে Google অনুসন্ধান প্রদান করার জন্য মডেলটিকে তার প্রতিক্রিয়া তৈরি করতে সর্বদা Google অনুসন্ধান সরঞ্জাম ব্যবহার করার প্রয়োজন হয় না। এই ক্ষেত্রে, প্রতিক্রিয়াটিতে একটি groundingMetadata অবজেক্ট থাকবে না এবং এইভাবে এটি একটি "গ্রাউন্ডেড ফলাফল" নয় ।

গ্রাউন্ডেড রেজাল্ট বুঝুন

যদি মডেলটি Google অনুসন্ধান ফলাফলে তার প্রতিক্রিয়াকে ভিত্তি করে, তাহলে প্রতিক্রিয়াটিতে একটি groundingMetadata অবজেক্ট অন্তর্ভুক্ত থাকে যাতে স্ট্রাকচার্ড ডেটা থাকে যা দাবি যাচাই করার জন্য এবং আপনার অ্যাপ্লিকেশনে একটি সমৃদ্ধ উদ্ধৃতি অভিজ্ঞতা তৈরি করার জন্য প্রয়োজনীয়।

একটি "গ্রাউন্ডেড ফলাফলে" groundingMetadata অবজেক্টে নিম্নলিখিত তথ্য রয়েছে:

webSearchQueries : Google অনুসন্ধানে পাঠানো অনুসন্ধান প্রশ্নের একটি অ্যারে। এই তথ্য ডিবাগিং এবং মডেলের যুক্তি প্রক্রিয়া বোঝার জন্য দরকারী।
searchEntryPoint : প্রয়োজনীয় "Google অনুসন্ধান পরামর্শ" রেন্ডার করার জন্য HTML এবং CSS ধারণ করে। আপনার নির্বাচিত API প্রদানকারীর জন্য আপনাকে "Grounding with Google Search" ব্যবহারের প্রয়োজনীয়তাগুলি মেনে চলতে হবে: Gemini Developer API বা Vertex AI Gemini API (পরিষেবার নির্দিষ্ট শর্তাবলীর মধ্যে পরিষেবার শর্তাবলী বিভাগটি দেখুন)৷ এই পৃষ্ঠায় পরে একটি গ্রাউন্ডেড ফলাফল কীভাবে ব্যবহার এবং প্রদর্শন করবেন তা শিখুন।
groundingChunks : ওয়েব সোর্স ( uri এবং title ) ধারণকারী বস্তুর একটি অ্যারে।
groundingSupports : groundingChunks উত্সগুলির সাথে মডেল প্রতিক্রিয়া text সংযুক্ত করতে খণ্ডগুলির একটি অ্যারে। প্রতিটি খণ্ড একটি টেক্সট segment ( startIndex এবং endIndex দ্বারা সংজ্ঞায়িত) এক বা একাধিক groundingChunkIndices সাথে লিঙ্ক করে। এই ক্ষেত্রটি আপনাকে ইনলাইন উদ্ধৃতি তৈরি করতে সহায়তা করে। এই পৃষ্ঠায় পরে একটি গ্রাউন্ডেড ফলাফল কীভাবে ব্যবহার এবং প্রদর্শন করবেন তা শিখুন।

এখানে একটি উদাহরণ প্রতিক্রিয়া যা একটি groundingMetadata অবজেক্ট অন্তর্ভুক্ত করে:

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "Spain won Euro 2024, defeating England 2-1 in the final. This victory marks Spain's record fourth European Championship title."
          }
        ],
        "role": "model"
      },
      "groundingMetadata": {
        "webSearchQueries": [
          "UEFA Euro 2024 winner",
          "who won euro 2024"
        ],
        "searchEntryPoint": {
          "renderedContent": "<!-- HTML and CSS for the search widget -->"
        },
        "groundingChunks": [
          {"web": {"uri": "https://vertexaisearch.cloud.google.com.....", "title": "aljazeera.com"}},
          {"web": {"uri": "https://vertexaisearch.cloud.google.com.....", "title": "uefa.com"}}
        ],
        "groundingSupports": [
          {
            "segment": {"startIndex": 0, "endIndex": 85, "text": "Spain won Euro 2024, defeatin..."},
            "groundingChunkIndices": [0]
          },
          {
            "segment": {"startIndex": 86, "endIndex": 210, "text": "This victory marks Spain's..."},
            "groundingChunkIndices": [0, 1]
          }
        ]
      }
    }
  ]
}

একটি গ্রাউন্ডেড ফলাফল ব্যবহার করুন এবং প্রদর্শন করুন

যদি মডেলটি একটি প্রতিক্রিয়া তৈরি করতে Google অনুসন্ধান টুল ব্যবহার করে, তবে এটি প্রতিক্রিয়াতে একটি groundingMetadata অবজেক্ট প্রদান করবে।

এটি Google অনুসন্ধানের পরামর্শগুলি প্রদর্শন করতে হবে এবং উদ্ধৃতিগুলি প্রদর্শন করার জন্য সুপারিশ করা হয়েছে ৷

Google অনুসন্ধান টুল ব্যবহার করার প্রয়োজনীয়তা মেনে চলার বাইরে, এই তথ্য প্রদর্শন আপনাকে এবং আপনার শেষ ব্যবহারকারীদের প্রতিক্রিয়া যাচাই করতে সাহায্য করে এবং আরও শেখার উপায় যোগ করে।

গুরুত্বপূর্ণ: এই বিভাগে মৌলিক নির্দেশিকা এবং গ্রাউন্ডেড ফলাফল কীভাবে ব্যবহার এবং প্রদর্শন করতে হয় তার জন্য একটি সাধারণ প্যাটার্ন বর্ণনা করে। নিশ্চিত করুন যে আপনি আপনার নির্বাচিত জেমিনি API প্রদানকারীর ব্যবহার এবং প্রদর্শনের প্রয়োজনীয়তাগুলি পর্যালোচনা করেছেন এবং মেনে চলছেন : Gemini বিকাশকারী API বা Vertex AI Gemini API (পরিষেবার নির্দিষ্ট শর্তাবলীর মধ্যে পরিষেবা শর্তাবলী বিভাগ দেখুন)।

(প্রয়োজনীয়) Google অনুসন্ধান পরামর্শ প্রদর্শন করুন

যদি একটি প্রতিক্রিয়াতে "Google অনুসন্ধানের পরামর্শ" থাকে, তাহলে আপনাকে "Google অনুসন্ধানের সাথে গ্রাউন্ডিং" ব্যবহারের প্রয়োজনীয়তাগুলি মেনে চলতে হবে, যার মধ্যে রয়েছে আপনি কীভাবে Google অনুসন্ধান পরামর্শগুলি প্রদর্শন করবেন।

groundingMetadata অবজেক্টে "গুগল সার্চ সাজেশনস" থাকে, বিশেষ করে searchEntryPoint ফিল্ড, যেটিতে একটি renderedContent ক্ষেত্র রয়েছে যা কমপ্লায়েন্ট এইচটিএমএল এবং সিএসএস স্টাইলিং প্রদান করে, যা আপনার অ্যাপে সার্চ সাজেশন দেখানোর জন্য আপনাকে প্রয়োগ করতে হবে।

Google Cloud ডকুমেন্টেশনে Google অনুসন্ধান পরামর্শের জন্য প্রদর্শন এবং আচরণের প্রয়োজনীয়তা সম্পর্কে বিস্তারিত তথ্য পর্যালোচনা করুন। উল্লেখ্য যে যদিও এই বিশদ নির্দেশিকাটি Vertex AI Gemini API ডকুমেন্টেশনে রয়েছে, তবুও নির্দেশিকা Gemini Developer API প্রদানকারীর ক্ষেত্রেও প্রযোজ্য।

এই বিভাগে পরে উদাহরণ কোড নমুনা দেখুন.

(প্রস্তাবিত) উদ্ধৃতি প্রদর্শন করুন

groundingMetadata অবজেক্টে স্ট্রাকচার্ড উদ্ধৃতি ডেটা থাকে, বিশেষ করে groundingSupports এবং groundingChunks ক্ষেত্র। আপনার UI (ইনলাইন এবং সামগ্রিকভাবে) এর মধ্যে সরাসরি তাদের উত্সগুলির সাথে মডেলের বিবৃতিগুলি লিঙ্ক করতে এই তথ্যটি ব্যবহার করুন৷

এই বিভাগে পরে উদাহরণ কোড নমুনা দেখুন.

উদাহরণ কোড নমুনা

এই কোড নমুনা গ্রাউন্ডেড ফলাফল ব্যবহার এবং প্রদর্শনের জন্য সাধারণ নিদর্শন প্রদান করে। যাইহোক, আপনার নির্দিষ্ট বাস্তবায়ন সম্মতির প্রয়োজনীয়তার সাথে সামঞ্জস্যপূর্ণ কিনা তা নিশ্চিত করা আপনার দায়িত্ব।

সুইফট

// ...

// Get the model's response
let text = response.text

// Get the grounding metadata
if let candidate = response.candidates.first,
   let groundingMetadata = candidate.groundingMetadata {
  // REQUIRED - display Google Search suggestions
  // (renderedContent contains HTML and CSS for the search widget)
  if let renderedContent = groundingMetadata.searchEntryPoint?.renderedContent {
    // TODO(developer): Display Google Search suggestions using a WebView
  }

  // RECOMMENDED - display citations
  let groundingChunks = groundingMetadata.groundingChunks
  for chunk in groundingMetadata.groundingChunks {
    if let web = chunk.web {
      let title = web.title  // for example, "uefa.com"
      let uri = web.uri  // for example, "https://vertexaisearch.cloud.google.com..."
      // TODO(developer): show citation in the UI
    }
  }
}

Kotlin

// ...

// Get the model's response
val text = response.text

// Get the grounding metadata
val groundingMetadata = response.candidates.firstOrNull()?.groundingMetadata

// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
val renderedContent = groundingMetadata?.searchEntryPoint?.renderedContent
if (renderedContent != null) {
    // TODO(developer): Display Google Search suggestions using a WebView
}

// RECOMMENDED - display citations
val groundingChunks = groundingMetadata?.groundingChunks
groundingChunks?.let { chunks ->
  for (chunk in chunks) {
  	val title = chunk.web?.title  // for example, "uefa.com"
	val uri = chunk.web?.uri  // for example, "https://vertexaisearch.cloud.google.com..."
// TODO(developer): show citation in the UI
  }
}

Java

// ...

Futures.addCallback(response, new FutureCallback() {
  @Override
  public void onSuccess(GenerateContentResponse result) {
  // Get the model's response
  String text = result.getText();

  // Get the grounding metadata
  GroundingMetadata groundingMetadata =
  result.getCandidates()[0].getGroundingMetadata();

  if (groundingMetadata != null) {
    // REQUIRED - display Google Search suggestions
  // (renderedContent contains HTML and CSS for the search widget)
    String renderedContent =
  groundingMetadata.getSearchEntryPoint().getRenderedContent();
    if (renderedContent != null) {
      // TODO(developer): Display Google Search suggestions using a WebView
    }

    // RECOMMENDED - display citations
    List chunks = groundingMetadata.getGroundingChunks();
    if (chunks != null) {
      for(GroundingChunk chunk : chunks) {
        WebGroundingChunk web = chunk.getWeb();
        if (web != null) {
          String title = web.getTitle();  // for example, "uefa.com"
          String uri = web.getUri();  // for example, "https://vertexaisearch.cloud.google.com..."
          // TODO(developer): show citation in the UI
        }
      }
    }
  }
  }

  @Override
  public void onFailure(Throwable t) {
  t.printStackTrace();
  }
  }, executor);

Web

// ...

// Get the model's text response
const text = result.response.text();

// Get the grounding metadata
const groundingMetadata = result.response.candidates?.[0]?.groundingMetadata;

// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
const renderedContent = groundingMetadata?.searchEntryPoint?.renderedContent;
if (renderedContent) {
  // TODO(developer): render this HTML and CSS in the UI
}

// RECOMMENDED - display citations
const groundingChunks = groundingMetadata?.groundingChunks;
if (groundingChunks) {
  for (const chunk of groundingChunks) {
    const title = chunk.web?.title;  // for example, "uefa.com"
    const uri = chunk.web?.uri;  // for example, "https://vertexaisearch.cloud.google.com..."
    // TODO(developer): show citation in the UI
  }
}

Dart

// ...

// Get the model's response
final text = response.text;

// Get the grounding metadata
final groundingMetadata = response.candidates.first.groundingMetadata;

// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
final renderedContent = groundingMetadata?.searchEntryPoint?.renderedContent;
if (renderedContent != null) {
    // TODO(developer): Display Google Search suggestions using a WebView
}

// RECOMMENDED - display citations
final groundingChunks = groundingMetadata?.groundingChunks;
if (groundingChunks != null) {
  for (var chunk in groundingChunks) {
    final title = chunk.web?.title;  // for example, "uefa.com"
    final uri = chunk.web?.uri;  // for example, "https://vertexaisearch.cloud.google.com..."
    // TODO(developer): show citation in the UI
  }
}

ঐক্য

ঐক্যের জন্য সমর্থন তার পরবর্তী প্রকাশে আসছে।

Firebase কনসোলে গ্রাউন্ডেড ফলাফল এবং AI পর্যবেক্ষণ

আপনি যদি Firebase কনসোলে AI মনিটরিং সক্ষম করে থাকেন, তাহলে প্রতিক্রিয়া Cloud Logging -এ সংরক্ষণ করা হয়। ডিফল্টরূপে, এই ডেটার 30-দিন ধরে রাখার সময়কাল থাকে।

এটি নিশ্চিত করা আপনার দায়িত্ব যে এই ধরে রাখার সময়কাল, বা আপনার সেট করা যেকোনো কাস্টম সময়, আপনার নির্দিষ্ট ব্যবহারের ক্ষেত্রে এবং আপনার নির্বাচিত জেমিনি API প্রদানকারীর জন্য যেকোন অতিরিক্ত সম্মতির প্রয়োজনীয়তার সাথে সম্পূর্ণভাবে সারিবদ্ধ হয়: Gemini Developer API বা Vertex AI Gemini API (পরিষেবার নির্দিষ্ট শর্তাবলীর মধ্যে পরিষেবার শর্তাবলী বিভাগ দেখুন)। এই প্রয়োজনীয়তাগুলি পূরণ করতে আপনাকে Cloud Logging এ ধরে রাখার সময়কাল সামঞ্জস্য করতে হতে পারে৷

মূল্য এবং সীমা

আপনার নির্বাচিত জেমিনি API প্রদানকারী ডকুমেন্টেশনে মূল্য, মডেলের উপলব্ধতা এবং Google অনুসন্ধানের সাথে গ্রাউন্ডিংয়ের সীমা পর্যালোচনা করা নিশ্চিত করুন: Gemini Developer API |Vertex AI Gemini API ।