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)
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.
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. I requisiti e i consigli per i file di input sono riportati 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-flash-preview")
// 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-flash-preview")
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-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();
// 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-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 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-flash-preview');
// 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-flash-preview");
// 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 e requisiti supportati" 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
- Dimensioni massime per file: 50 MB per file
Cos'altro sai 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 dall' utilizzo illecito 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 a più turni (chat).
- Genera testo da prompt di solo testo.
- Genera output strutturati (come JSON) da prompt di testo e multimodali.
- Genera e modifica immagini da prompt di testo e multimodali.
- Utilizza strumenti (come la chiamata di funzioni 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 e prompt di esempio.
- Configura i parametri del modello come la temperatura e il numero massimo di token di output.
- Utilizza le impostazioni di sicurezza per regolare la probabilità di ricevere 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