يمكنك أن تطلب من نموذج Gemini تحليل ملفات صوتية تقدّمها إما مضمّنة (ترميز base64) أو عبر عنوان URL. عند استخدام Firebase AI Logic, يمكنك إجراء هذا الطلب مباشرةً من تطبيقك.
باستخدام هذه الإمكانية، يمكنك إجراء ما يلي:
- وصف المحتوى الصوتي أو تلخيصه أو الإجابة عن أسئلة بشأنه
- تحويل المحتوى الصوتي إلى نص
- تحليل شرائح معيّنة من الصوت باستخدام الطوابع الزمنية
الانتقال إلى نماذج الرموز الانتقال إلى الرمز البرمجي للردود التي يتم عرضها تدريجيًا
|
الاطّلاع على الأدلة الأخرى التي تتضمّن خيارات إضافية للتعامل مع الصوت إنشاء ناتج منظَّم محادثة متعددة الأدوار عرض الرد تدريجيًا في اتجاهين |
قبل البدء
|
انقر على موفّر Gemini API لعرض المحتوى والرمز البرمجي الخاصَّين بالموفّر على هذه الصفحة. |
إذا لم يسبق لك ذلك، يُرجى إكمال
دليل البدء الذي يوضّح كيفية
إعداد مشروع Firebase وربط تطبيقك بـ Firebase وإضافة حزمة تطوير البرامج (SDK) و
تهيئة خدمة الخلفية لموفّر Gemini API الذي اخترته و
إنشاء مثيل GenerativeModel.
لاختبار طلباتك وتكرارها، ننصحك باستخدام Google AI Studio.
إنشاء نص من ملفات صوتية (ترميز base64)
|
قبل تجربة هذا النموذج، يُرجى إكمال قسم
قبل البدء في هذا الدليل
لإعداد مشروعك وتطبيقك. في هذا القسم، ستنقر أيضًا على زر لموفّر Gemini API الذي اخترته حتى يظهر لك المحتوى الخاص بالموفّر على هذه الصفحة. |
يمكنك أن تطلب من نموذج Gemini لـ
إنشاء نص من خلال تقديم نص وصوت، مع توفير mimeType لملف الإدخال والملف نفسه. يمكنك الاطّلاع على
متطلبات ملفات الإدخال واقتراحات إعدادها
لاحقًا في هذه الصفحة.
Swift
يمكنك استدعاء
generateContent()
لإنشاء نص من إدخال متعدد الوسائط يتضمّن نصًا وملفًا صوتيًا واحدًا.
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-flash-preview")
// Provide the audio as `Data`
guard let audioData = try? Data(contentsOf: audioURL) else {
print("Error loading audio data.")
return // Or handle the error appropriately
}
// Specify the appropriate audio MIME type
let audio = InlineDataPart(data: audioData, mimeType: "audio/mpeg")
// Provide a text prompt to include with the audio
let prompt = "Transcribe what's said in this audio recording."
// To generate text output, call `generateContent` with the audio and text prompt
let response = try await model.generateContent(audio, prompt)
// Print the generated text, handling the case where it might be nil
print(response.text ?? "No text in response.")
Kotlin
يمكنك استدعاء
generateContent()
لإنشاء نص من إدخال متعدد الوسائط يتضمّن نصًا وملفًا صوتيًا واحدًا.
// 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-flash-preview")
val contentResolver = applicationContext.contentResolver
val inputStream = contentResolver.openInputStream(audioUri)
if (inputStream != null) { // Check if the audio loaded successfully
inputStream.use { stream ->
val bytes = stream.readBytes()
// Provide a prompt that includes the audio specified above and text
val prompt = content {
inlineData(bytes, "audio/mpeg") // Specify the appropriate audio MIME type
text("Transcribe what's said in this audio recording.")
}
// 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 audio.")
// Handle the error appropriately
}
Java
يمكنك استدعاء
generateContent()
لإنشاء نص من إدخال متعدد الوسائط يتضمّن نصًا وملفًا صوتيًا واحدًا.
ListenableFuture.
// 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-flash-preview");
// Use the GenerativeModelFutures Java compatibility layer which offers
// support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(ai);
ContentResolver resolver = getApplicationContext().getContentResolver();
try (InputStream stream = resolver.openInputStream(audioUri)) {
File audioFile = new File(new URI(audioUri.toString()));
int audioSize = (int) audioFile.length();
byte audioBytes = new byte[audioSize];
if (stream != null) {
stream.read(audioBytes, 0, audioBytes.length);
stream.close();
// Provide a prompt that includes the audio specified above and text
Content prompt = new Content.Builder()
.addInlineData(audioBytes, "audio/mpeg") // Specify the appropriate audio MIME type
.addText("Transcribe what's said in this audio recording.")
.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 audio file", e);
} catch (URISyntaxException e) {
Log.e(TAG, "Invalid audio file", e);
}
Web
يمكنك استدعاء
generateContent()
لإنشاء نص من إدخال متعدد الوسائط يتضمّن نصًا وملفًا صوتيًا واحدًا.
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-flash-preview" });
// 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 {
inlineData: { data: await base64EncodedDataPromise, mimeType: file.type },
};
}
async function run() {
// Provide a text prompt to include with the audio
const prompt = "Transcribe what's said in this audio recording.";
// Prepare audio for input
const fileInputEl = document.querySelector("input[type=file]");
const audioPart = await fileToGenerativePart(fileInputEl.files);
// To generate text output, call `generateContent` with the text and audio
const result = await model.generateContent([prompt, audioPart]);
// Log the generated text, handling the case where it might be undefined
console.log(result.response.text() ?? "No text in response.");
}
run();
Dart
يمكنك استدعاء
generateContent()
لإنشاء نص من إدخال متعدد الوسائط يتضمّن نصًا وملفًا صوتيًا واحدًا.
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-flash-preview');
// Provide a text prompt to include with the audio
final prompt = TextPart("Transcribe what's said in this audio recording.");
// Prepare audio for input
final audio = await File('audio0.mp3').readAsBytes();
// Provide the audio as `Data` with the appropriate audio MIME type
final audioPart = InlineDataPart('audio/mpeg', audio);
// To generate text output, call `generateContent` with the text and audio
final response = await model.generateContent([
Content.multi([prompt,audioPart])
]);
// Print the generated text
print(response.text);
Unity
يمكنك استدعاء
GenerateContentAsync()
لإنشاء نص من إدخال متعدد الوسائط يتضمّن نصًا وملفًا صوتيًا واحدًا.
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-flash-preview");
// Provide a text prompt to include with the audio
var prompt = ModelContent.Text("Transcribe what's said in this audio recording.");
// Provide the audio as `data` with the appropriate audio MIME type
var audio = ModelContent.InlineData("audio/mpeg",
System.IO.File.ReadAllBytes(System.IO.Path.Combine(
UnityEngine.Application.streamingAssetsPath, "audio0.mp3")));
// To generate text output, call `GenerateContentAsync` with the text and audio
var response = await model.GenerateContentAsync(new [] { prompt, audio });
// Print the generated text
UnityEngine.Debug.Log(response.Text ?? "No text in response.");
كيفية اختيار نموذج مناسبَين لحالة الاستخدام والتطبيق
عرض الرد تدريجيًا
|
قبل تجربة هذا النموذج، يُرجى إكمال قسم
قبل البدء في هذا الدليل
لإعداد مشروعك وتطبيقك. في هذا القسم، ستنقر أيضًا على زر لموفّر Gemini API الذي اخترته حتى يظهر لك المحتوى الخاص بالموفّر على هذه الصفحة. |
يمكنك تحقيق تفاعلات أسرع من خلال عدم انتظار النتيجة الكاملة من إنشاء النموذج، واستخدام ميزة عرض الرد تدريجيًا بدلاً من ذلك للتعامل مع النتائج الجزئية.
لعرض الرد تدريجيًا، استدعِ generateContentStream.
متطلبات ملفات الصوت المُدخَلة واقتراحات إعدادها
يُرجى العِلم أنّ الملف المقدَّم كبيانات مضمّنة يتم ترميزه إلى base64 أثناء النقل، ما يزيد من حجم الطلب. ستتلقّى خطأ HTTP 413 إذا كان الطلب كبيرًا جدًا.
يُرجى الاطّلاع على صفحة "الملفات المُدخَلة المتوافقة والمتطلبات" للتعرّف على معلومات مفصّلة حول ما يلي:
- الخيارات المختلفة لتقديم ملف في طلب (إما مضمّنًا أو باستخدام عنوان URL أو URI للملف)
- متطلبات الملفات الصوتية وأفضل الممارسات المتعلّقة بها
أنواع MIME المتوافقة مع الصوت
تتوافق نماذج Gemini المتعددة الوسائط مع أنواع MIME الصوتية التالية:
- AAC -
audio/aac - FLAC -
audio/flac - MP3 -
audio/mp3 - MPA -
audio/m4a - MPEG -
audio/mpeg - MPGA -
audio/mpga - MP4 -
audio/mp4 - OPUS -
audio/opus - PCM -
audio/pcm - WAV -
audio/wav - WEBM -
audio/webm
الحدود القصوى لكل طلب
الحدّ الأقصى لعدد الملفات لكل طلب: ملف صوتي واحد
ميزات أخرى يمكنك الحصول عليها
- تعرّف على كيفية حساب الرموز قبل إرسال طلبات طويلة إلى النموذج.
- إعداد Cloud Storage for Firebase حتى تتمكّن من تضمين ملفات كبيرة في طلباتك المتعددة الوسائط والحصول على حلّ أكثر إدارة لتقديم الملفات في الطلبات يمكن أن تتضمّن الملفات صورًا وملفات PDF وفيديوهات وملفات صوتية.
-
بدء التفكير في الاستعداد للإنتاج (الاطّلاع على
قائمة المهام للإنتاج):
- إعداد Firebase App Check في أقرب وقت ممكن للمساعدة في حماية Gemini API من إساءة الاستخدام من قِبل العملاء غير المصرّح لهم
- دمج Firebase Remote Config لتعديل القيم في تطبيقك (مثل اسم النموذج) بدون نشر إصدار جديد من التطبيق
تجربة إمكانات أخرى
- إنشاء محادثات متعددة الأدوار (محادثة).
- إنشاء نص من طلبات نصية فقط.
- إنشاء ناتج منظَّم (مثل JSON) من النصوص والطلبات المتعددة الوسائط
- إنشاء الصور وتعديلها من النصوص والطلبات المتعددة الوسائط
- عرض الإدخال والإخراج (بما في ذلك الصوت) تدريجيًا باستخدام Gemini Live API.
- استخدام الأدوات (مثل استدعاء الدوال وتحديد المصدر من خلال "بحث Search") لربط نموذج Gemini بأجزاء أخرى من تطبيقك والأنظمة والمعلومات الخارجية.
كيفية التحكّم في إنشاء المحتوى
- فهم تصميم الطلبات، بما في ذلك أفضل الممارسات والاستراتيجيات وأمثلة على الطلبات.
- ضبط مَعلمات النموذج، مثل درجة العشوائية والحدّ الأقصى لعدد الرموز المميزة للناتج
- استخدام إعدادات الأمان لضبط احتمالية الحصول على ردود قد تُعتبر ضارة.
مزيد من المعلومات عن النماذج المتوافقة
التعرّف على الـ نماذج المتاحة لحالات الاستخدام المختلفة وحصصها و أسعارها.تقديم ملاحظات حول تجربتك مع Firebase AI Logic