از پیکربندی مدل برای کنترل پاسخ ها استفاده کنید

در هر تماس با یک مدل، می‌توانید پیکربندی مدل را برای کنترل نحوه ایجاد پاسخ توسط مدل ارسال کنید. هر مدل گزینه های پیکربندی مختلفی را ارائه می دهد.

می‌توانید با دستورات و پیکربندی‌های مدل آزمایش کنید و با استفاده از Vertex AI Studio به سرعت تکرار کنید.

پرش به گزینه های پیکربندی Gemini پرش به گزینه های پیکربندی Imagen


مدل های Gemini را پیکربندی کنید

این بخش نحوه تنظیم یک پیکربندی برای استفاده با مدل‌های Gemini را به شما نشان می‌دهد و توضیحی درباره هر پارامتر ارائه می‌دهد.

تنظیم یک پیکربندی مدل ( جمینی )

پیکربندی برای موارد استفاده عمومی

مقادیر پارامترها را در GenerationConfig به عنوان بخشی از ایجاد نمونه GenerativeModel و فراخوانی generateContent ، generateContentStream ، یا startChat تنظیم کنید.

پیکربندی برای تمام طول عمر نمونه حفظ می شود. اگر می خواهید از پیکربندی متفاوتی استفاده کنید، یک نمونه GenerativeModel جدید با آن پیکربندی ایجاد کنید.

KotlinJava
// ...

// Set parameter values in a `GenerationConfig` (example values shown here)
val config = generationConfig {
    maxOutputTokens = 200
    stopSequences = listOf("red")
    temperature = 0.9f
    topK = 16
    topP = 0.1f
}

// Specify the config as part of creating the `GenerativeModel` instance
val generativeModel = Firebase.vertexAI.generativeModel(
    modelName = "GEMINI_MODEL_NAME",
    generationConfig = config
)

// ...

// ...

// Set parameter values in a `GenerationConfig` (example values shown here)
GenerationConfig.Builder configBuilder = new GenerationConfig.Builder();
configBuilder.maxOutputTokens = 200;
configBuilder.stopSequences = List.of("red");
configBuilder.temperature = 0.9f;
configBuilder.topK = 16;
configBuilder.topP = 0.1f;

GenerationConfig generationConfig = configBuilder.build();

// Specify the config as part of creating the `GenerativeModel` instance
GenerativeModel gm = FirebaseVertexAI.getInstance().generativeModel(
    "GEMINI_MODEL_NAME",
    generationConfig
);

GenerativeModelFutures model = GenerativeModelFutures.from(gm);

// ...

در بخش بعدی این صفحه می توانید شرح هر پارامتر را بیابید.

پیکربندی برای Gemini Live API

مقادیر پارامترها را در LiveGenerationConfig به عنوان بخشی از ایجاد نمونه LiveModel تنظیم کنید.

پیکربندی برای تمام طول عمر نمونه حفظ می شود. اگر می خواهید از پیکربندی متفاوتی استفاده کنید، یک نمونه LiveModel جدید با آن پیکربندی ایجاد کنید.

KotlinJava
// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here)
val config = liveGenerationConfig {
    maxOutputTokens = 200
    responseModality = ResponseModality.AUDIO
    speechConfig = SpeechConfig(voice = Voices.FENRIR)
    temperature = 0.9f
    topK = 16
    topP = 0.1f
}

// Specify the config as part of creating the `LiveModel` instance
val generativeModel = Firebase.vertexAI.liveModel(
    modelName = "gemini-2.0-flash-live-preview-04-09",
    generationConfig = config
)

// ...

// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here)
LiveGenerationConfig.Builder configBuilder = new LiveGenerationConfig.Builder();
configBuilder.setMaxOutputTokens(200);
configBuilder.setResponseModalities(ResponseModality.AUDIO);

configBuilder.setSpeechConfig(new SpeechConfig(Voices.FENRIR));
configBuilder.setTemperature(0.9f);
configBuilder.setTopK(16);
configBuilder.setTopP(0.1f);

LiveGenerationConfig generationConfig = configBuilder.build();

// Specify the config as part of creating the `LiveModel` instance
LiveGenerativeModel gm = FirebaseVertexAI.getInstance().liveModel(
    "gemini-2.0-flash-live-preview-04-09",
    generationConfig
);

LiveModelFutures model = LiveModelFutures.from(gm);

// ...

در بخش بعدی این صفحه می توانید شرح هر پارامتر را بیابید.

شرح پارامترها ( Gemini )

در اینجا یک نمای کلی از پارامترهای موجود در سطح بالا وجود دارد. می‌توانید فهرست جامعی از پارامترها و مقادیر آنها را در اسناد Google Cloud بیابید.

پارامتر توضیحات مقدار پیش فرض
مهر زمانی صوتی
audioTimestamp

یک Boolean که درک مهر زمانی را برای فایل‌های ورودی فقط صوتی امکان‌پذیر می‌کند.

فقط در هنگام استفاده از تماس‌های generateContent یا generateContentStream قابل استفاده است و نوع ورودی یک فایل فقط صوتی است.

 false
جریمه فرکانس
frequencyPenalty		 احتمال گنجاندن نشانه هایی را که به طور مکرر در پاسخ تولید شده ظاهر می شوند را کنترل می کند.
مقادیر مثبت توکن هایی را که به طور مکرر در محتوای تولید شده ظاهر می شوند جریمه می کند و احتمال تکرار محتوا را کاهش می دهد.		 ---
حداکثر توکن های خروجی
maxOutputTokens		 حداکثر تعداد نشانه هایی را که می توان در پاسخ تولید کرد را مشخص می کند. ---
جریمه حضور
presencePenalty		 احتمال گنجاندن نشانه هایی را که قبلاً در پاسخ تولید شده ظاهر می شوند، کنترل می کند.
مقادیر مثبت توکن هایی را که قبلاً در محتوای تولید شده ظاهر می شوند جریمه می کند و احتمال تولید محتوای متنوع تر را افزایش می دهد.		 ---
توالی ها را متوقف کنید
stopSequences

فهرستی از رشته‌ها را مشخص می‌کند که به مدل می‌گوید در صورت مواجه شدن با یکی از رشته‌ها در پاسخ، تولید محتوا را متوقف کند.

فقط هنگام استفاده از پیکربندی GenerativeModel قابل استفاده است.

 ---
دما
temperature		 میزان تصادفی بودن پاسخ را کنترل می کند.
دماهای پایین‌تر منجر به پاسخ‌های قطعی‌تر می‌شوند و دماهای بالاتر منجر به پاسخ‌های متنوع یا خلاقانه‌تر می‌شوند.		 بستگی به مدل داره
Top-K
topK		 تعداد کلمات با بیشترین احتمال مورد استفاده در محتوای تولید شده را محدود می کند.
مقدار top-K 1 به این معنی است که نشانه انتخابی بعدی باید محتمل ترین توکن در واژگان مدل باشد، در حالی که مقدار top-K n به این معنی است که نشانه بعدی باید از میان n توکن محتمل ترین انتخاب شود (همه بر اساس دمای تنظیم شده).		 بستگی به مدل داره
Top-P
topP		 تنوع محتوای تولید شده را کنترل می کند.
توکن ها از محتمل ترین (نگاه کنید به top-K در بالا) تا کمترین احتمال انتخاب می شوند تا زمانی که مجموع احتمالات آنها با مقدار top-P برابری شود.		 بستگی به مدل داره
روش پاسخگویی
responseModality

نوع خروجی پخش جریانی را هنگام استفاده از Live API ، برای مثال متن یا صدا، مشخص می‌کند.

فقط هنگام استفاده از Live API و پیکربندی LiveModel قابل استفاده است.

 ---
گفتار (صدا)
speechConfig

صدای استفاده شده برای خروجی صوتی پخش شده را هنگام استفاده از Live API مشخص می کند.

فقط هنگام استفاده از Live API و پیکربندی LiveModel قابل استفاده است.

 Puck


پیکربندی مدل های Imagen

این بخش نحوه تنظیم پیکربندی برای استفاده با مدل های Imagen را به شما نشان می دهد و توضیحی برای هر پارامتر ارائه می دهد.

پیکربندی مدل را تنظیم کنید ( Imagen )

مقادیر پارامترها را در ImagenGenerationConfig به عنوان بخشی از ایجاد نمونه ImagenModel و فراخوانی generateImages تنظیم کنید.

پیکربندی برای تمام طول عمر نمونه حفظ می شود. اگر می خواهید از پیکربندی متفاوتی استفاده کنید، یک نمونه ImagenModel جدید با آن پیکربندی ایجاد کنید.

KotlinJava
// ...

// Set parameter values in a `ImagenGenerationConfig` (example values shown here)
val config = ImagenGenerationConfig(
    negativePrompt = "frogs",
    numberOfImages = 2,
    aspectRatio = ImagenAspectRatio.LANDSCAPE_16x9,
    imageFormat = ImagenImageFormat.jpeg(compressionQuality = 100),
    addWatermark = false
)

// Specify the config as part of creating the `ImagenModel` instance
val imagenModel = Firebase.vertexAI.imagenModel(
    modelName = "IMAGEN_MODEL_NAME",
    generationConfig = config
)

// ...

// ...

// Set parameter values in a `ImagenGenerationConfig` (example values shown here)
ImagenGenerationConfig config = new ImagenGenerationConfig.Builder()
    .setNegativePrompt("frogs")
    .setNumberOfImages(2)
    .setAspectRatio(ImagenAspectRatio.LANDSCAPE_16x9)
    .setImageFormat(ImagenImageFormat.jpeg(100))
    .setAddWatermark(false)
    .build();

// Specify the config as part of creating the `ImagenModel` instance
ImagenModel m = FirebaseVertexAI.getInstance().imagenModel(
    "IMAGEN_MODEL_NAME",
    config
);

ImagenModelFutures model = ImagenModelFutures.from(m);

// ...

در بخش بعدی این صفحه می توانید شرح هر پارامتر را بیابید.

توضیحات پارامترها ( Imagen )

در اینجا یک نمای کلی از پارامترهای موجود در سطح بالا وجود دارد. می‌توانید فهرست جامعی از پارامترها و مقادیر آنها را در اسناد Google Cloud بیابید.

پارامتر توضیحات مقدار پیش فرض
اخطار منفی
negativePrompt		 توضیحی درباره آنچه می خواهید در تصاویر تولید شده حذف کنید

این پارامتر هنوز توسط imagen-3.0-generate-002 پشتیبانی نمی شود.

 ---
تعداد نتایج
numberOfImages		 تعداد تصاویر تولید شده برای هر درخواست بازگردانده شده است پیش فرض یک تصویر برای مدل های Imagen 3 است
نسبت ابعاد
aspectRatio		 نسبت عرض به ارتفاع تصاویر تولید شده پیش فرض مربع است (1:1)
فرمت تصویر
imageFormat		 گزینه های خروجی مانند فرمت تصویر (نوع MIME) و سطح فشرده سازی تصاویر تولید شده نوع پیش فرض MIME PNG است
فشرده سازی پیش فرض 75 است (اگر نوع MIME روی JPEG تنظیم شده باشد)
واترمارک
addWatermark		 آیا باید یک واترمارک دیجیتال غیرقابل مشاهده (به نام SynthID ) به تصاویر تولید شده اضافه شود پیش فرض برای مدل های Imagen 3 true است
نسل شخص
personGeneration		 آیا اجازه تولید افراد بر اساس مدل را می دهد پیش فرض بستگی به مدل دارد


گزینه های دیگر برای کنترل تولید محتوا

  • در مورد طراحی سریع بیشتر بیاموزید تا بتوانید مدل را تحت تأثیر قرار دهید تا خروجی خاصی برای نیازهای شما ایجاد کند.
  • از تنظیمات ایمنی برای تنظیم احتمال دریافت پاسخ هایی که ممکن است مضر تلقی شوند، از جمله سخنان مشوق عداوت و تنفر و محتوای صریح جنسی استفاده کنید.
  • دستورالعمل های سیستم را برای هدایت رفتار مدل تنظیم کنید. این ویژگی مانند یک «مقدمه» است که قبل از اینکه مدل در معرض هر دستورالعمل دیگری از کاربر نهایی قرار گیرد، اضافه می‌کنید.
  • یک طرح پاسخ را همراه با اعلان برای تعیین یک طرح خروجی خاص ارسال کنید. این ویژگی بیشتر هنگام تولید خروجی JSON استفاده می‌شود، اما می‌توان از آن برای کارهای طبقه‌بندی نیز استفاده کرد (مانند زمانی که می‌خواهید مدل از برچسب‌ها یا برچسب‌های خاصی استفاده کند).