Bạn có thể yêu cầu mô hình Gemini phân tích các tệp tài liệu (như tệp PDF và tệp văn bản thuần túy) mà bạn cung cấp trực tiếp (được mã hoá base64) hoặc thông qua URL. Khi sử dụng Firebase AI Logic, bạn có thể đưa ra yêu cầu này trực tiếp từ ứng dụng.
Với tính năng này, bạn có thể làm những việc như:
- Phân tích sơ đồ, biểu đồ và bảng trong tài liệu
- Trích xuất thông tin vào các định dạng đầu ra có cấu trúc
- Trả lời câu hỏi về nội dung văn bản và hình ảnh trong tài liệu
- Tóm tắt tài liệu
- Chuyển nội dung tài liệu thành văn bản (ví dụ: thành HTML), giữ nguyên bố cục và định dạng để sử dụng trong các ứng dụng hạ nguồn (chẳng hạn như trong quy trình RAG)
Chuyển đến mã mẫu Chuyển đến mã cho các câu trả lời được truyền trực tuyến
|
Xem các hướng dẫn khác để biết thêm các lựa chọn khác để làm việc với tài liệu (như tệp PDF) Tạo đầu ra có cấu trúc Trò chuyện nhiều lượt |
Trước khi bắt đầu
|
Nhấp vào nhà cung định Gemini API để xem nội dung dành riêng cho nhà cung cấp và mã trên trang này. |
Nếu chưa hoàn tất, hãy hoàn tất
hướng dẫn bắt đầu. Hướng dẫn này mô tả cách
thiết lập dự án Firebase, kết nối ứng dụng với Firebase, thêm SDK,
khởi chạy dịch vụ phụ trợ cho nhà cung cấp Gemini API mà bạn chọn và
tạo một thực thể GenerativeModel.
Để kiểm thử và lặp lại các câu lệnh, bạn nên sử dụng Google AI Studio.
Tạo văn bản từ tệp PDF (được mã hoá base64)
|
Trước khi thử mẫu này, hãy hoàn tất phần
Trước khi bắt đầu của hướng dẫn này
để thiết lập dự án và ứng dụng. Trong phần đó, bạn cũng sẽ nhấp vào một nút cho nhà cung cấp Gemini API mà bạn chọn để thấy nội dung dành riêng cho nhà cung cấp trên trang này. |
Bạn có thể yêu cầu mô hình Gemini để tạo văn bản bằng cách đưa ra câu lệnh bằng văn bản và tệp PDF – cung cấp mimeType của từng tệp đầu vào và chính tệp đó. Tìm
các yêu cầu và đề xuất cho tệp đầu vào
ở phần sau trên trang này.
Swift
Bạn có thể gọi
generateContent()
để tạo văn bản từ dữ liệu đầu vào đa phương thức gồm văn bản và tệp 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
Bạn có thể gọi
generateContent()
để tạo văn bản từ dữ liệu đầu vào đa phương thức gồm văn bản và tệp 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
Bạn có thể gọi
generateContent()
để tạo văn bản từ dữ liệu đầu vào đa phương thức gồm văn bản và tệp 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
Bạn có thể gọi
generateContent()
để tạo văn bản từ dữ liệu đầu vào đa phương thức gồm văn bản và tệp 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
Bạn có thể gọi
generateContent()
để tạo văn bản từ dữ liệu đầu vào đa phương thức gồm văn bản và tệp 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
Bạn có thể gọi
GenerateContentAsync()
để tạo văn bản từ dữ liệu đầu vào đa phương thức gồm văn bản và tệp 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.");
Tìm hiểu cách chọn một mô hình phù hợp với trường hợp sử dụng và ứng dụng của bạn.
Truyền trực tuyến câu trả lời
|
Trước khi thử mẫu này, hãy hoàn tất phần
Trước khi bắt đầu của hướng dẫn này
để thiết lập dự án và ứng dụng. Trong phần đó, bạn cũng sẽ nhấp vào một nút cho nhà cung cấp Gemini API mà bạn chọn để thấy nội dung dành riêng cho nhà cung cấp trên trang này. |
Bạn có thể tương tác nhanh hơn bằng cách không đợi toàn bộ kết quả từ quá trình tạo mô hình, mà thay vào đó, hãy sử dụng tính năng truyền trực tuyến để xử lý kết quả một phần.
Để truyền trực tuyến câu trả lời, hãy gọi generateContentStream.
Yêu cầu và đề xuất cho tài liệu đầu vào
Xin lưu ý rằng một tệp được cung cấp dưới dạng dữ liệu cùng dòng sẽ được mã hoá thành base64 trong quá trình truyền, điều này làm tăng kích thước của yêu cầu. Bạn sẽ gặp lỗi HTTP 413 nếu yêu cầu quá lớn.
Xem trang "Các tệp đầu vào và yêu cầu được hỗ trợ" để tìm hiểu thông tin chi tiết về những nội dung sau:
- Các lựa chọn khác nhau để cung cấp một tệp trong yêu cầu (cùng dòng hoặc sử dụng url hoặc URI của tệp)
- Yêu cầu và các phương pháp hay nhất cho tệp tài liệu
Các loại MIME của tài liệu được hỗ trợ
Các mô hình đa phương thức của Gemini hỗ trợ các loại MIME của tài liệu sau:
- PDF –
application/pdf - Văn bản –
text/plain
Giới hạn cho mỗi yêu cầu
Tệp PDF được coi là hình ảnh, vì vậy, một trang của tệp PDF được coi là một hình ảnh. Số trang được phép trong một câu lệnh bị giới hạn ở số hình ảnh mà các Gemini mô hình đa phương thức có thể hỗ trợ.
- Số tệp tối đa cho mỗi yêu cầu: 3.000 tệp
- Số trang tối đa cho mỗi tệp: 1.000 trang cho mỗi tệp
- Kích thước tối đa cho mỗi tệp: 50 MB cho mỗi tệp
Bạn có thể làm gì nữa?
- Tìm hiểu cách đếm mã thông báo trước khi gửi câu lệnh dài cho mô hình.
- Thiết lập Cloud Storage for Firebase để bạn có thể đưa các tệp có kích thước lớn vào yêu cầu đa phương thức và có một giải pháp được quản lý nhiều hơn để cung cấp tệp trong câu lệnh. Tệp có thể bao gồm hình ảnh, tệp PDF, video và âm thanh.
-
- Bắt đầu nghĩ đến việc chuẩn bị cho quá trình sản xuất (xem danh sách kiểm tra cho quá trình sản xuất):
- Thiết lập Firebase App Check càng sớm càng tốt để giúp bảo vệ Gemini API khỏi hành vi sai trái của các ứng dụng không được uỷ quyền.
- Tích hợp Firebase Remote Config để cập nhật các giá trị trong ứng dụng (như tên mô hình) mà không cần phát hành phiên bản ứng dụng mới.
Thử các tính năng khác
- Xây dựng cuộc trò chuyện nhiều lượt (trò chuyện).
- Tạo văn bản từ câu lệnh chỉ có văn bản.
- Tạo đầu ra có cấu trúc (như JSON) từ cả câu lệnh văn bản và câu lệnh đa phương thức.
- Tạo và chỉnh sửa hình ảnh từ cả câu lệnh văn bản và câu lệnh đa phương thức.
- Sử dụng các công cụ (như lệnh gọi hàm và Dựa trên kết quả của Google Tìm kiếm) để kết nối mô hình Gemini với các phần khác của ứng dụng và các hệ thống cũng như thông tin bên ngoài.
Tìm hiểu cách kiểm soát quá trình tạo nội dung
- Tìm hiểu về thiết kế câu lệnh, bao gồm các phương pháp hay nhất, chiến lược và câu lệnh mẫu.
- Định cấu hình các tham số mô hình như nhiệt độ và số lượng mã thông báo đầu ra tối đa.
- Sử dụng chế độ cài đặt an toàn để điều chỉnh khả năng nhận được các câu trả lời có thể bị coi là gây hại.
Tìm hiểu thêm về các mô hình được hỗ trợ
Tìm hiểu về các mô hình có sẵn cho nhiều trường hợp sử dụng và hạn mức và giá của các mô hình đó.Gửi ý kiến phản hồi về trải nghiệm của bạn với Firebase AI Logic