Puoi chiedere a un Gemini modello di analizzare i file di documenti (come PDF e file di testo normale) che fornisci in linea (codificati in base64) o tramite URL. Quando utilizzi Firebase AI Logic, puoi effettuare questa richiesta direttamente dalla tua app.
Con questa funzionalità, puoi:
- Analizzare diagrammi, grafici e tabelle all'interno dei documenti
- Estrarre informazioni in formati di output strutturati
- Rispondere a domande sui contenuti visivi e di testo nei documenti
- Riassumere i documenti
- Trascrivere i contenuti dei documenti (ad esempio in HTML), conservando layout e formattazione, per l'utilizzo in applicazioni downstream (ad esempio nelle pipeline RAG)
Questa guida riguarda la generazione di testo da input di documenti (come PDF), ma puoi anche generare immagini da input di documenti.
Vai agli esempi di codice Vai al codice per le risposte in streaming
|
Consulta altre guide per ulteriori opzioni per lavorare con i documenti (come i PDF) Genera output strutturato Chat a più turni |
Prima di iniziare
|
Fai clic sul tuo fornitore Gemini API per visualizzare contenuti specifici del fornitore e codice in questa pagina. |
Se non l'hai ancora fatto, completa la
guida introduttiva, che descrive come
configurare il progetto Firebase, collegare l'app a Firebase, aggiungere l'SDK,
inizializzare il servizio di backend per il fornitore Gemini API scelto e
creare un'istanza GenerativeModel.
Per testare e iterare i prompt, ti consigliamo di utilizzare Google AI Studio.
Modelli che supportano questa funzionalità
Questa guida riguarda la generazione di testo da input di documenti (come PDF) ed è applicabile ai seguenti Gemini modelli:
gemini-3.1-pro-previewgemini-3.6-flash(e il modello precedentegemini-3.5-flash)gemini-3.5-flash-lite(e il modello precedentegemini-3.1-flash-lite)
I modelli Gemini 2.5 di uso generale supportano questa funzionalità, ma sono tutti ritirati.
Genera testo da file PDF (codificati in base64)
|
Prima di provare questo esempio, completa la sezione Prima di iniziare di questa guida per configurare il progetto e l'app. In questa sezione, fai clic anche su un pulsante per il fornitore dell'API Gemini scelto in modo da visualizzare contenuti specifici del fornitore in questa pagina.Gemini API |
Puoi chiedere a un modello Gemini di
generare testo utilizzando prompt di testo e PDF, fornendo il mimeType di ogni
file di input e il file stesso. Trova
i requisiti e i consigli per i file di input
più avanti in questa pagina.
Swift
Puoi chiamare
generateContent()
per generare testo da input multimodali di testo e PDF.
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-3.6-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
Puoi chiamare
generateContent()
per generare testo da input multimodali di testo e PDF.
// 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-3.6-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
Puoi chiamare
generateContent()
per generare testo da input multimodali di testo e PDF.
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-3.6-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
Puoi chiamare
generateContent()
per generare testo da input multimodali di testo e PDF.
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-3.6-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 {
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
Puoi chiamare
generateContent()
per generare testo da input multimodali di testo e PDF.
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-3.6-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
Puoi chiamare
GenerateContentAsync()
per generare testo da input multimodali di testo e PDF.
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-3.6-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.");
Scopri come scegliere un modello adatti al tuo caso d'uso e alla tua app.
Trasmetti in streaming la risposta
|
Prima di provare questo esempio, completa la sezione Prima di iniziare di questa guida per configurare il progetto e l'app. In questa sezione, fai clic anche su un pulsante per il fornitore dell'API Gemini scelto in modo da visualizzare contenuti specifici del fornitore in questa pagina.Gemini API |
Puoi ottenere interazioni più rapide senza attendere l'intero risultato della generazione del modello e utilizzando invece lo streaming per gestire i risultati parziali.
Per trasmettere in streaming la risposta, chiama generateContentStream.
Requisiti e consigli per i documenti di input
Tieni presente che un file fornito come dati in linea viene codificato in base64 durante il transito, il che aumenta le dimensioni della richiesta. Se una richiesta è troppo grande, riceverai un errore HTTP 413.
Consulta la pagina "File di input supportati e requisiti" per informazioni dettagliate su quanto segue:
- Diverse opzioni per fornire un file in una richiesta (in linea o utilizzando l'URL o l'URI del file)
- Requisiti e best practice per i file di documenti
Tipi MIME di documenti supportati
Gemini modelli multimodali supportano i seguenti tipi MIME di documenti:
- PDF -
application/pdf - Testo -
text/plain
Limiti per richiesta
I PDF vengono trattati come immagini, quindi una singola pagina di un PDF viene trattata come un immagine. Il numero di pagine consentite in un prompt è limitato al numero di immagini che i Gemini modelli multimodali possono supportare.
- Numero massimo di file per richiesta: 3000 file
- Numero massimo di pagine per file: 1000 pagine per file
- Dimensione massima per file: 50 MB per file
Cos'altro puoi fare?
- Scopri come contare i token prima di inviare prompt lunghi al modello.
- Configura Cloud Storage for Firebase in modo da poter includere file di grandi dimensioni nelle richieste multimodali e avere una soluzione più gestita per fornire file nei prompt. I file possono includere immagini, PDF, video e audio.
-
Inizia a pensare alla preparazione per la produzione (consulta l'
elenco di controllo per la produzione):
- Configura Firebase App Check il prima possibile per proteggere Gemini API da utilizzi illeciti da parte di client non autorizzati.
- Integra Firebase Remote Config per aggiornare i valori nella tua app (ad esempio il nome del modello) senza rilasciare una nuova versione dell'app.
Prova altre funzionalità
- Crea conversazioni multi-turno (chat).
- Genera testo da prompt di solo testo.
- Genera output strutturato (come JSON) da prompt di testo e multimodali.
- Genera e modifica immagini da prompt di testo e multimodali.
- Utilizza strumenti (come la chiamata di funzione e il grounding con la Ricerca Google) per collegare un modello Gemini ad altre parti della tua app e a sistemi e informazioni esterni.
Scopri come controllare la generazione di contenuti
- Comprendi la progettazione dei prompt, incluse best practice, strategie ed esempi di prompt.
- Configura i parametri del modello come il numero massimo di token di output, la probabilità di token di output ripetuti e così via.
- Utilizza le impostazioni di sicurezza per regolare la probabilità di ottenere risposte che potrebbero essere considerate dannose.
Scopri di più sui modelli supportati
Scopri i modelli disponibili per vari casi d'uso e le relative quote e i prezzi.Dai un feedback sulla tua esperienza con Firebase AI Logic