Google Gemini 对话格式（Generate Content）

"官方文档"
Google Gemini Generating content API

📝 简介

Google Gemini API 支持使用图片、音频、代码、工具等生成内容。给定输入 GenerateContentRequest 生成模型响应。支持文本生成、视觉理解、音频处理、长上下文、代码执行、JSON 模式、函数调用等多种功能。

💡 请求示例

基础文本对话 ✅

图像分析对话 ✅

函数调用 ✅

JSON 模式响应 ✅

音频处理 🟡

!!! warning "文件上传限制"
仅支持通过 inline_data 以 base64 方式上传音频，不支持 file_data.file_uri 或 File API。

视频处理 🟡

!!! warning "文件上传限制"
仅支持通过 inline_data 以 base64 方式上传视频，不支持 file_data.file_uri 或 File API。

PDF处理 🟡

!!! warning "文件上传限制"
仅支持通过 inline_data 以 base64 方式上传 PDF，不支持 file_data.file_uri 或 File API。

聊天对话 ✅

流式响应 ✅

代码执行 ✅

生成配置 ✅

安全设置 ✅

系统指令 ✅

📮 请求

端点

生成内容

POST https://你的uiuiapi服务器地址/v1beta/{model=models/*}:generateContent

流式生成内容

POST https://你的uiuiapi服务器地址/v1beta/{model=models/*}:streamGenerateContent

鉴权方法

在请求URL参数中包含API密钥：

?key=$UIUIAPI_API_KEY

其中 $UIUIAPI_API_KEY 是您的 Google AI API 密钥。

路径参数

`model`

类型：字符串

必需：是

用于生成补全项的模型名称。

格式：models/{model}，例如 models/gemini-2.0-flash

请求体参数

`contents`

类型：数组

必需：是

与模型当前对话的内容。对于单轮查询，这是单个实例。对于聊天等多轮查询，这是包含对话历史记录和最新请求的重复字段。

Content 对象属性：

属性	类型	必需	描述
`parts`	数组	是	有序的内容部分，构成单个消息
`role`	字符串	否	对话中内容的生产者。`user`、`model`、`function` 或 `tool`

Part 对象属性：

属性	类型	必需	描述
`text`	字符串	否	纯文本内容
`inlineData`	对象	否	内联媒体字节数据
`fileData`	对象	否	上传文件的URI引用
`functionCall`	对象	否	函数调用请求
`functionResponse`	对象	否	函数调用响应
`executableCode`	对象	否	可执行代码
`codeExecutionResult`	对象	否	代码执行结果

InlineData 对象属性：

属性	类型	必需	描述
`mimeType`	字符串	是	媒体的MIME类型
`data`	字符串	是	base64编码的媒体数据

FileData 对象属性：

属性	类型	必需	描述
`mimeType`	字符串	是	文件的MIME类型
`fileUri`	字符串	是	文件的URI

`tools`

类型：数组

必需：否

模型可能用于生成下一个响应的工具列表。支持的工具包括函数和代码执行。

Tool 对象属性：

属性	类型	必需	描述
`functionDeclarations`	数组	否	可选的函数声明列表
`codeExecution`	对象	否	启用模型执行代码

FunctionDeclaration 对象属性：

属性	类型	必需	描述
`name`	字符串	是	函数名称
`description`	字符串	否	函数功能描述
`parameters`	对象	否	函数参数，JSON Schema格式

FunctionCall 对象属性：

属性	类型	必需	描述
`name`	字符串	是	要调用的函数名称
`args`	对象	否	函数参数的键值对

FunctionResponse 对象属性：

属性	类型	必需	描述
`name`	字符串	是	调用的函数名称
`response`	对象	是	函数调用的响应数据

ExecutableCode 对象属性：

属性	类型	必需	描述
`language`	枚举	是	代码的编程语言
`code`	字符串	是	要执行的代码

CodeExecutionResult 对象属性：

属性	类型	必需	描述
`outcome`	枚举	是	代码执行的结果状态
`output`	字符串	否	代码执行的输出内容

CodeExecution 对象属性：

属性	类型	必需	描述
{}	空对象	-	启用代码执行功能的空配置对象

`toolConfig`

类型：对象

必需：否

请求中指定的任何工具的工具配置。

ToolConfig 对象属性：

属性	类型	必需	描述
`functionCallingConfig`	对象	否	函数调用配置

FunctionCallingConfig 对象属性：

属性	类型	必需	描述
`mode`	枚举	否	指定函数调用的模式
`allowedFunctionNames`	数组	否	允许调用的函数名列表

FunctionCallingMode 枚举值：

MODE_UNSPECIFIED: 默认模式，模型决定是否调用函数

AUTO: 模型自动决定何时调用函数

ANY: 模型必须调用函数

NONE: 模型不能调用函数

`safetySettings`

类型：数组

必需：否

用于屏蔽不安全内容的 SafetySetting 实例列表。

SafetySetting 对象属性：

属性	类型	必需	描述
`category`	枚举	是	安全类别
`threshold`	枚举	是	屏蔽阈值

HarmCategory 枚举值：

HARM_CATEGORY_HARASSMENT: 骚扰内容

HARM_CATEGORY_HATE_SPEECH: 仇恨言论和内容

HARM_CATEGORY_SEXUALLY_EXPLICIT: 露骨色情内容

HARM_CATEGORY_DANGEROUS_CONTENT: 危险内容

HARM_CATEGORY_CIVIC_INTEGRITY: 可能用于破坏公民诚信的内容

HarmBlockThreshold 枚举值：

BLOCK_LOW_AND_ABOVE: 允许发布评分为 NEGLIGIBLE 的内容

BLOCK_MEDIUM_AND_ABOVE: 允许发布评分为 NEGLIGIBLE 和 LOW 的内容

BLOCK_ONLY_HIGH: 允许发布风险等级为 NEGLIGIBLE、LOW 和 MEDIUM 的内容

BLOCK_NONE: 允许所有内容

OFF: 关闭安全过滤器

HarmBlockThreshold 完整枚举值：

HARM_BLOCK_THRESHOLD_UNSPECIFIED: 未指定阈值

BLOCK_LOW_AND_ABOVE: 屏蔽低概率及以上的有害内容，只允许 NEGLIGIBLE 级别的内容

BLOCK_MEDIUM_AND_ABOVE: 屏蔽中等概率及以上的有害内容，允许 NEGLIGIBLE 和 LOW 级别的内容

BLOCK_ONLY_HIGH: 只屏蔽高概率的有害内容，允许 NEGLIGIBLE、LOW 和 MEDIUM 级别的内容

BLOCK_NONE: 不屏蔽任何内容，允许所有级别的内容

OFF: 完全关闭安全过滤器

`systemInstruction`

类型：对象（Content）

必需：否

开发者设置的系统指令。目前仅支持文本。

`generationConfig`

类型：对象

必需：否

模型生成和输出的配置选项。

GenerationConfig 对象属性：

属性	类型	必需	描述
`stopSequences`	数组	否	用于停止生成输出的字符序列集（最多5个）
`responseMimeType`	字符串	否	生成的候选文本的MIME类型
`responseSchema`	对象	否	生成的候选文本的输出架构
`responseModalities`	数组	否	请求的响应模式
`candidateCount`	整数	否	要返回的生成的回答数量
`maxOutputTokens`	整数	否	候选回答中包含的令牌数量上限
`temperature`	数字	否	控制输出的随机性，范围[0.0, 2.0]
`topP`	数字	否	在抽样时要考虑的令牌的累计概率上限
`topK`	整数	否	抽样时要考虑的令牌数量上限
`seed`	整数	否	解码中使用的种子
`presencePenalty`	数字	否	存在性惩罚
`frequencyPenalty`	数字	否	频率惩罚
`responseLogprobs`	布尔值	否	是否在响应中导出logprobs结果
`logprobs`	整数	否	返回的顶部logprob的数量
`enableEnhancedCivicAnswers`	布尔值	否	启用增强型城市服务回答
`speechConfig`	对象	否	语音生成配置
`thinkingConfig`	对象	否	思考功能的配置
`mediaResolution`	枚举	否	指定的媒体分辨率

支持的 MIME 类型：

text/plain: （默认）文本输出

application/json: JSON响应

text/x.enum: ENUM作为字符串响应

Modality 枚举值：

TEXT: 指示模型应返回文本

IMAGE: 表示模型应返回图片

AUDIO: 指示模型应返回音频

Schema 对象属性：

属性	类型	必需	描述
`type`	枚举	是	数据类型
`description`	字符串	否	字段描述
`enum`	数组	否	枚举值列表（当type为string时）
`example`	任意类型	否	示例值
`nullable`	布尔值	否	是否可为null
`format`	字符串	否	字符串格式（如date、date-time等）
`items`	对象	否	数组项的Schema（当type为array时）
`properties`	对象	否	对象属性的Schema映射（当type为object时）
`required`	数组	否	必需属性的名称列表
`minimum`	数字	否	数字的最小值
`maximum`	数字	否	数字的最大值
`minItems`	整数	否	数组的最小长度
`maxItems`	整数	否	数组的最大长度
`minLength`	整数	否	字符串的最小长度
`maxLength`	整数	否	字符串的最大长度

Type 枚举值：

TYPE_UNSPECIFIED: 未指定类型

STRING: 字符串类型

NUMBER: 数字类型

INTEGER: 整数类型

BOOLEAN: 布尔类型

ARRAY: 数组类型

OBJECT: 对象类型

支持的编程语言（ExecutableCode）：

LANGUAGE_UNSPECIFIED: 未指定语言

PYTHON: Python编程语言

代码执行结果枚举（Outcome）：

OUTCOME_UNSPECIFIED: 未指定结果

OUTCOME_OK: 代码执行成功

OUTCOME_FAILED: 代码执行失败

OUTCOME_DEADLINE_EXCEEDED: 代码执行超时

`cachedContent`

类型：字符串

必需：否

缓存的内容的名称，用于用作提供预测的上下文。格式：cachedContents/{cachedContent}

📥 响应

GenerateContentResponse

支持多个候选回答的模型的回答。系统会针对提示以及每个候选项报告安全分级和内容过滤。

`candidates`

类型：数组

说明：模型的候选回答列表

Candidate 对象属性：

属性	类型	描述
`content`	对象	模型返回的生成内容
`finishReason`	枚举	模型停止生成词元的原因
`safetyRatings`	数组	候选回答安全性的评分列表
`citationMetadata`	对象	模型生成的候选项的引用信息
`tokenCount`	整数	此候选项的令牌数
`groundingAttributions`	数组	为生成有依据的回答所参考的来源提供方信息
`groundingMetadata`	对象	候选对象的参考元数据
`avgLogprobs`	数字	候选项的平均对数概率得分
`logprobsResult`	对象	回答令牌和前置令牌的对数似然度得分
`urlRetrievalMetadata`	对象	与网址情境检索工具相关的元数据
`urlContextMetadata`	对象	与网址情境检索工具相关的元数据
`index`	整数	响应候选列表中候选项的索引

FinishReason 枚举值：

STOP: 模型的自然停止点或提供的停止序列

MAX_TOKENS: 已达到请求中指定的词元数量上限

SAFETY: 出于安全考虑，系统已标记回答候选内容

RECITATION: 由于背诵原因，回答候选内容被标记

LANGUAGE: 回答候选内容因使用不受支持的语言而被标记

OTHER: 原因未知

BLOCKLIST: 由于内容包含禁止使用的字词，因此token生成操作已停止

PROHIBITED_CONTENT: 由于可能包含禁止的内容，因此token生成操作已停止

SPII: 由于内容可能包含敏感的个人身份信息，因此token生成操作已停止

MALFORMED_FUNCTION_CALL: 模型生成的函数调用无效

IMAGE_SAFETY: 由于生成的图片违反了安全规定，因此词元生成已停止

`promptFeedback`

类型：对象

说明：与内容过滤器相关的提示反馈

PromptFeedback 对象属性：

属性	类型	描述
`blockReason`	枚举	屏蔽该提示的原因
`safetyRatings`	数组	问题安全性的评分

BlockReason 枚举值：

BLOCK_REASON_UNSPECIFIED: 默认值，此值未使用

SAFETY: 出于安全原因，系统屏蔽了提示

OTHER: 提示因未知原因被屏蔽了

BLOCKLIST: 系统屏蔽了此提示，因为其中包含术语屏蔽名单中包含的术语

PROHIBITED_CONTENT: 系统屏蔽了此提示，因为其中包含禁止的内容

IMAGE_SAFETY: 候选图片因生成不安全的内容而被屏蔽

`usageMetadata`

类型：对象

说明：有关生成请求令牌用量的元数据

UsageMetadata 对象属性：

属性	类型	描述
`promptTokenCount`	整数	提示中的词元数
`cachedContentTokenCount`	整数	提示的缓存部分中的词元数
`candidatesTokenCount`	整数	所有生成的候选回答中的词元总数
`totalTokenCount`	整数	生成请求的总令牌数
`toolUsePromptTokenCount`	整数	工具使用提示中的词元数量
`thoughtsTokenCount`	整数	思考模型的想法token数
`promptTokensDetails`	数组	在请求输入中处理的模态列表
`candidatesTokensDetails`	数组	响应中返回的模态列表
`cacheTokensDetails`	数组	请求输入中缓存内容的模态列表
`toolUsePromptTokensDetails`	数组	为工具使用请求输入处理的模态列表

`modelVersion`

类型：字符串

说明：用于生成回答的模型版本

`responseId`

类型：字符串

说明：用于标识每个响应的ID

完整响应示例

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "你好！我是 Gemini，一个由 Google 开发的人工智能助手。我可以帮助您解答问题、提供信息、协助写作、代码编程等多种任务。请告诉我有什么可以为您效劳的！"
          }
        ],
        "role": "model"
      },
      "finishReason": "STOP",
      "index": 0,
      "safetyRatings": [
        {
          "category": "HARM_CATEGORY_SEXUALLY_EXPLICIT",
          "probability": "NEGLIGIBLE",
          "blocked": false
        },
        {
          "category": "HARM_CATEGORY_HATE_SPEECH", 
          "probability": "NEGLIGIBLE",
          "blocked": false
        },
        {
          "category": "HARM_CATEGORY_HARASSMENT",
          "probability": "NEGLIGIBLE",
          "blocked": false
        },
        {
          "category": "HARM_CATEGORY_DANGEROUS_CONTENT",
          "probability": "NEGLIGIBLE",
          "blocked": false
        }
      ],
      "tokenCount": 47
    }
  ],
  "promptFeedback": {
    "safetyRatings": [
      {
        "category": "HARM_CATEGORY_SEXUALLY_EXPLICIT",
        "probability": "NEGLIGIBLE"
      },
      {
        "category": "HARM_CATEGORY_HATE_SPEECH",
        "probability": "NEGLIGIBLE"
      }
    ]
  },
  "usageMetadata": {
    "promptTokenCount": 4,
    "candidatesTokenCount": 47,
    "totalTokenCount": 51,
    "promptTokensDetails": [
      {
        "modality": "TEXT",
        "tokenCount": 4
      }
    ],
    "candidatesTokensDetails": [
      {
        "modality": "TEXT", 
        "tokenCount": 47
      }
    ]
  },
  "modelVersion": "gemini-2.0-flash",
  "responseId": "response-12345"
}

🔧 高级功能

安全评级

SafetyRating 对象属性：

属性	类型	描述
`category`	枚举	此评分的类别
`probability`	枚举	此内容的有害概率
`blocked`	布尔值	此内容是否因此分级而被屏蔽

HarmProbability 枚举值：

NEGLIGIBLE: 内容不安全的概率可忽略不计

LOW: 内容不安全的概率较低

MEDIUM: 内容不安全的概率为中等

HIGH: 内容不安全的概率较高

引用元数据

CitationMetadata 对象属性：

属性	类型	描述
`citationSources`	数组	特定回复的来源引用

CitationSource 对象属性：

属性	类型	描述
`startIndex`	整数	归因于此来源的响应片段的开始索引
`endIndex`	整数	归因细分的结束索引（不含）
`uri`	字符串	被归因为文本部分来源的URI
`license`	字符串	被归因为片段来源的GitHub项目的许可

代码执行

当启用代码执行工具时，模型可以生成和执行代码来解决问题。

代码执行示例响应：

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "我来计算斐波那契数列的第10项："
          },
          {
            "executableCode": {
              "language": "PYTHON",
              "code": "def fibonacci(n):\n    if n <= 1:\n        return n\n    else:\n        return fibonacci(n-1) + fibonacci(n-2)\n\nresult = fibonacci(10)\nprint(f'第10项斐波那契数是: {result}')"
            }
          },
          {
            "codeExecutionResult": {
              "outcome": "OK",
              "output": "第10项斐波那契数是: 55"
            }
          },
          {
            "text": "所以斐波那契数列的第10项是55。"
          }
        ],
        "role": "model"
      },
      "finishReason": "STOP"
    }
  ]
}

接地功能 (Grounding)

GroundingMetadata 对象属性：

属性	类型	描述
`groundingChunks`	数组	从指定的接地源检索到的支持参考文献列表
`groundingSupports`	数组	接地支持列表
`webSearchQueries`	数组	用于后续网页搜索的网页搜索查询
`searchEntryPoint`	对象	后续网页搜索的Google搜索条目
`retrievalMetadata`	对象	与基准流程中检索相关的元数据

GroundingAttribution 对象属性：

属性	类型	描述
`sourceId`	对象	对此归因做出贡献的来源的标识符
`content`	对象	构成此归因的来源内容

AttributionSourceId 对象属性：

属性	类型	描述
`groundingPassage`	对象	内嵌段落的标识符
`semanticRetrieverChunk`	对象	通过Semantic Retriever提取的Chunk的标识符

GroundingPassageId 对象属性：

属性	类型	描述
`passageId`	字符串	与GenerateAnswerRequest的GroundingPassage.id匹配的段落的ID
`partIndex`	整数	GenerateAnswerRequest的GroundingPassage.content中的部分的索引

SemanticRetrieverChunk 对象属性：

属性	类型	描述
`source`	字符串	与请求的SemanticRetrieverConfig.source匹配的来源名称
`chunk`	字符串	包含归因文本的Chunk的名称

SearchEntryPoint 对象属性：

属性	类型	描述
`renderedContent`	字符串	可嵌入网页或应用WebView中的Web内容代码段
`sdkBlob`	字符串	使用base64编码的JSON，表示搜索词和搜索URL元组的数组

Segment 对象属性：

属性	类型	描述
`partIndex`	整数	Part对象在其父级Content对象中的索引
`startIndex`	整数	给定part中的起始索引，以字节为单位
`endIndex`	整数	给定分块中的结束索引，以字节为单位
`text`	字符串	与响应中的片段对应的文本

RetrievalMetadata 对象属性：

属性	类型	描述
`googleSearchDynamicRetrievalScore`	数字	Google搜索中的信息有助于回答问题的概率得分，范围[0,1]

GroundingChunk 对象属性：

属性	类型	描述
`web`	对象	来自网络的接地分块

Web 对象属性：

属性	类型	描述
`uri`	字符串	分块的URI引用
`title`	字符串	数据块的标题

GroundingSupport 对象属性：

属性	类型	描述
`groundingChunkIndices`	数组	索引列表，用于指定与版权主张相关的引文
`confidenceScores`	数组	支持参考文档的置信度分数，范围为0到1
`segment`	对象	此支持请求所属的内容片段

多模态处理

Gemini API 支持处理多种模态的输入和输出：

支持的输入模态：

TEXT: 纯文本

IMAGE: 图片（JPEG、PNG、WebP、HEIC、HEIF）

AUDIO: 音频（WAV、MP3、AIFF、AAC、OGG、FLAC）

VIDEO: 视频（MP4、MPEG、MOV、AVI、FLV、MPG、WEBM、WMV、3GPP）

DOCUMENT: 文档（PDF）

ModalityTokenCount 对象属性：

属性	类型	描述
`modality`	枚举	与此令牌数关联的模态
`tokenCount`	整数	令牌数量

MediaResolution 枚举值：

MEDIA_RESOLUTION_LOW: 低分辨率（64个令牌）

MEDIA_RESOLUTION_MEDIUM: 中等分辨率（256个令牌）

MEDIA_RESOLUTION_HIGH: 高分辨率（256个令牌进行缩放重新取景）

思考功能

ThinkingConfig 对象属性：

属性	类型	描述
`includeThoughts`	布尔值	是否要在回答中包含思考内容
`thinkingBudget`	整数	模型应生成的想法token的数量

语音生成

SpeechConfig 对象属性：

属性	类型	描述
`voiceConfig`	对象	单声音输出的配置
`multiSpeakerVoiceConfig`	对象	多音箱设置的配置
`languageCode`	字符串	用于语音合成的语言代码

VoiceConfig 对象属性：

属性	类型	描述
`prebuiltVoiceConfig`	对象	要使用的预构建语音的配置

PrebuiltVoiceConfig 对象属性：

属性	类型	描述
`voiceName`	字符串	要使用的预设语音的名称

MultiSpeakerVoiceConfig 对象属性：

属性	类型	描述
`speakerVoiceConfigs`	数组	所有已启用的音箱语音

SpeakerVoiceConfig 对象属性：

属性	类型	描述
`speaker`	字符串	要使用的音箱的名称
`voiceConfig`	对象	要使用的语音的配置

支持的语言代码：

zh-CN: 中文（简体）

en-US: 英语（美国）

ja-JP: 日语

ko-KR: 韩语

fr-FR: 法语

de-DE: 德语

es-ES: 西班牙语

pt-BR: 葡萄牙语（巴西）

hi-IN: 印地语

ar-XA: 阿拉伯语

it-IT: 意大利语

tr-TR: 土耳其语

vi-VN: 越南语

th-TH: 泰语

ru-RU: 俄语

pl-PL: 波兰语

nl-NL: 荷兰语

Logprobs 结果

LogprobsResult 对象属性：

属性	类型	描述
`topCandidates`	数组	长度等于解码步骤总数
`chosenCandidates`	数组	长度等于解码步骤总数，所选候选项不一定在topCandidates中

TopCandidates 对象属性：

属性	类型	描述
`candidates`	数组	按对数概率降序排序的候选项

Candidate (Logprobs) 对象属性：

属性	类型	描述
`token`	字符串	候选项的令牌字符串值
`tokenId`	整数	候选项的令牌ID值
`logProbability`	数字	候选项的对数概率

URL检索功能

UrlRetrievalMetadata 对象属性：

属性	类型	描述
`urlRetrievalContexts`	数组	网址检索情境列表

UrlRetrievalContext 对象属性：

属性	类型	描述
`retrievedUrl`	字符串	工具检索到的网址

UrlContextMetadata 对象属性：

属性	类型	描述
`urlMetadata`	数组	网址上下文列表

UrlMetadata 对象属性：

属性	类型	描述
`retrievedUrl`	字符串	工具检索到的网址
`urlRetrievalStatus`	枚举	网址检索的状态

UrlRetrievalStatus 枚举值：

URL_RETRIEVAL_STATUS_SUCCESS: 网址检索成功

URL_RETRIEVAL_STATUS_ERROR: 由于出错，网址检索失败

完整安全类别

HarmCategory 完整枚举值：

HARM_CATEGORY_UNSPECIFIED: 类别未指定

HARM_CATEGORY_DEROGATORY: PaLM - 针对身份和/或受保护属性的负面或有害评论

HARM_CATEGORY_TOXICITY: PaLM - 粗鲁、无礼或亵渎性的内容

HARM_CATEGORY_VIOLENCE: PaLM - 描述描绘针对个人或团体的暴力行为的场景

HARM_CATEGORY_SEXUAL: PaLM - 包含对性行为或其他淫秽内容的引用

HARM_CATEGORY_MEDICAL: PaLM - 宣传未经核实的医疗建议

HARM_CATEGORY_DANGEROUS: PaLM - 危险内容会宣扬、助长或鼓励有害行为

HARM_CATEGORY_HARASSMENT: Gemini - 骚扰内容

HARM_CATEGORY_HATE_SPEECH: Gemini - 仇恨言论和内容

HARM_CATEGORY_SEXUALLY_EXPLICIT: Gemini - 露骨色情内容

HARM_CATEGORY_DANGEROUS_CONTENT: Gemini - 危险内容

HARM_CATEGORY_CIVIC_INTEGRITY: Gemini - 可能用于破坏公民诚信的内容

HarmProbability 完整枚举值：

HARM_PROBABILITY_UNSPECIFIED: 概率未指定

NEGLIGIBLE: 内容不安全的概率可忽略不计

LOW: 内容不安全的概率较低

MEDIUM: 内容不安全的概率为中等

HIGH: 内容不安全的概率较高

Modality 完整枚举值：

MODALITY_UNSPECIFIED: 未指定模态

TEXT: 纯文本

IMAGE: 图片

VIDEO: 视频

AUDIO: 音频

DOCUMENT: 文档，例如PDF

MediaResolution 完整枚举值：

MEDIA_RESOLUTION_UNSPECIFIED: 未设置媒体分辨率

MEDIA_RESOLUTION_LOW: 媒体分辨率设为低（64个令牌）

MEDIA_RESOLUTION_MEDIUM: 媒体分辨率设为中等（256个令牌）

MEDIA_RESOLUTION_HIGH: 媒体分辨率设为高（使用256个令牌进行缩放重新取景）

UrlRetrievalStatus 完整枚举值：

URL_RETRIEVAL_STATUS_UNSPECIFIED: 默认值，此值未使用

URL_RETRIEVAL_STATUS_SUCCESS: 网址检索成功

URL_RETRIEVAL_STATUS_ERROR: 由于出错，网址检索失败

🔍 错误处理

常见错误码

错误码	描述
`400`	请求格式错误或参数无效
`401`	API密钥无效或缺失
`403`	权限不足或配额限制
`429`	请求频率过高
`500`	服务器内部错误

详细错误码说明

错误码	状态	描述	解决方案
`400`	`INVALID_ARGUMENT`	请求参数无效或格式错误	检查请求参数格式和必需字段
`400`	`FAILED_PRECONDITION`	请求的前置条件不满足	确保满足API调用的前置条件
`401`	`UNAUTHENTICATED`	API密钥无效、缺失或已过期	检查API密钥的有效性和格式
`403`	`PERMISSION_DENIED`	权限不足或配额已用完	检查API密钥权限或升级配额
`404`	`NOT_FOUND`	指定的模型或资源不存在	验证模型名称和资源路径
`413`	`PAYLOAD_TOO_LARGE`	请求体太大	减少输入内容大小或分批处理
`429`	`RESOURCE_EXHAUSTED`	请求频率超限或配额不足	降低请求频率或等待配额重置
`500`	`INTERNAL`	服务器内部错误	重试请求，如持续出现联系支持
`503`	`UNAVAILABLE`	服务暂时不可用	等待一段时间后重试
`504`	`DEADLINE_EXCEEDED`	请求超时	减少输入大小或重试请求

错误响应示例

{
  "error": {
    "code": 400,
    "message": "Invalid argument: contents",
    "status": "INVALID_ARGUMENT",
    "details": [
      {
        "@type": "type.googleapis.com/google.rpc.BadRequest",
        "fieldViolations": [
          {
            "field": "contents",
            "description": "contents is required"
          }
        ]
      }
    ]
  }
}

Google Gemini 对话格式（Generate Content）

Google Gemini 对话格式（Generate Content）#

📝 简介#

💡 请求示例#

基础文本对话 ✅#

图像分析对话 ✅#

函数调用 ✅#

JSON 模式响应 ✅#

音频处理 🟡#

视频处理 🟡#

PDF处理 🟡#

聊天对话 ✅#

流式响应 ✅#

代码执行 ✅#

生成配置 ✅#

安全设置 ✅#

系统指令 ✅#

📮 请求#

端点#

生成内容#

流式生成内容#

鉴权方法#

路径参数#

model#

请求体参数#

contents#

tools#

toolConfig#

safetySettings#

systemInstruction#

generationConfig#

cachedContent#

📥 响应#

GenerateContentResponse#

candidates#

promptFeedback#

usageMetadata#

modelVersion#

responseId#

完整响应示例#

🔧 高级功能#

安全评级#

引用元数据#

代码执行#

接地功能 (Grounding)#

多模态处理#

思考功能#

语音生成#

Logprobs 结果#

URL检索功能#

完整安全类别#

🔍 错误处理#

常见错误码#

详细错误码说明#

错误响应示例#

Google Gemini 对话格式（Generate Content）

📝 简介

💡 请求示例

基础文本对话 ✅

图像分析对话 ✅

函数调用 ✅

JSON 模式响应 ✅

音频处理 🟡

视频处理 🟡

PDF处理 🟡

聊天对话 ✅

流式响应 ✅

代码执行 ✅

生成配置 ✅

安全设置 ✅

系统指令 ✅

📮 请求

端点

生成内容

流式生成内容

鉴权方法

路径参数

`model`

请求体参数

`contents`

`tools`

`toolConfig`

`safetySettings`

`systemInstruction`

`generationConfig`

`cachedContent`

📥 响应

GenerateContentResponse

`candidates`

`promptFeedback`

`usageMetadata`

`modelVersion`

`responseId`

完整响应示例

🔧 高级功能

安全评级

引用元数据

代码执行

接地功能 (Grounding)

多模态处理

思考功能

语音生成

Logprobs 结果

URL检索功能

完整安全类别

🔍 错误处理

常见错误码

详细错误码说明

错误响应示例