تحليل المستندات (مثل ملفات PDF) باستخدام واجهة برمجة التطبيقات Gemini

يمكنك أن تطلب من نموذج Gemini تحليل ملفات المستندات (مثل ملفات PDF وملفات النصوص العادية) التي تقدّمها إما مضمّنة (مشفّرة باستخدام base64) أو عبر عنوان URL. عند استخدام Firebase AI Logic, يمكنك إجراء هذا الطلب مباشرةً من تطبيقك.

باستخدام هذه الإمكانية، يمكنك إجراء ما يلي:

  • تحليل المخططات والرسوم البيانية والجداول داخل المستندات
  • استخراج المعلومات إلى تنسيقات الإخراج المنظَّمة
  • الإجابة عن الأسئلة حول المحتويات المرئية والنصية في المستندات
  • تلخيص المستندات
  • تحويل محتوى المستند إلى نص (على سبيل المثال، إلى HTML)، مع الحفاظ على التنسيقات والتخطيطات، لاستخدامه في التطبيقات اللاحقة (مثل مسارات RAG)

يتناول هذا الدليل إنشاء نص من إدخال مستند (مثل ملفات PDF)، ولكن يمكنك أيضًا إنشاء صور من إدخال مستند.

الانتقال إلى نماذج الرموز البرمجية الانتقال إلى الرمز البرمجي للردود التي يتم عرضها تدريجيًا


الاطّلاع على أدلة أخرى تتضمّن خيارات إضافية للعمل مع المستندات (مثل ملفات PDF)
إنشاء إخراج منظَّم محادثة مترابطة

قبل البدء

انقر على موفّر Gemini API لعرض المحتوى والرمز البرمجي الخاصَّين بالموفّر على هذه الصفحة.

إذا لم تكن قد أكملت دليل البدء، الذي يوضّح كيفية إعداد مشروعك على Firebase وربط تطبيقك بـ Firebase وإضافة حزمة تطوير البرامج (SDK) و تهيئة خدمة الخلفية لموفّر Gemini API الذي اخترته و إنشاء مثيل GenerativeModel، يُرجى إكماله الآن.

لاختبار طلباتك وتكرارها، ننصحك باستخدام Google AI Studio.

النماذج التي تتيح هذه الإمكانية

يتناول هذا الدليل إنشاء نص من إدخال مستند (مثل ملفات PDF)، وينطبق على النماذج التالية Gemini:

  • gemini-3.1-pro-preview
  • gemini-3.5-flash
  • gemini-3.1-flash-lite
  • gemini-2.5-pro
  • gemini-2.5-flash
  • gemini-2.5-flash-lite

إنشاء نص من ملفات PDF (مشفّرة باستخدام 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 وملفات PDF، مع توفير mimeType لكل ملف إدخال والملف نفسه. يمكنك الاطّلاع على المتطلبات والاقتراحات الخاصة بملفات الإدخال لاحقًا في هذه الصفحة.

Swift

يمكنك استدعاء generateContent() لإنشاء نص من إدخال متعدد الوسائط يتضمّن نصًا وملفات 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-3.5-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

يمكنك استدعاء generateContent() لإنشاء نص من إدخال متعدد الوسائط يتضمّن نصًا وملفات PDF.

بالنسبة إلى Kotlin، تكون الطرق في حزمة تطوير البرامج (SDK) هذه دوال تعليق ويجب استدعاؤها من نطاق روتيني.

// 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-3.5-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

يمكنك استدعاء generateContent() لإنشاء نص من إدخال متعدد الوسائط يتضمّن نصًا وملفات PDF.

بالنسبة إلى Java، تعرض الطرق في حزمة تطوير البرامج (SDK) هذه 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-3.5-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

يمكنك استدعاء generateContent() لإنشاء نص من إدخال متعدد الوسائط يتضمّن نصًا وملفات 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-3.5-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

يمكنك استدعاء generateContent() لإنشاء نص من إدخال متعدد الوسائط يتضمّن نصًا وملفات 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-3.5-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

يمكنك استدعاء GenerateContentAsync() لإنشاء نص من إدخال متعدد الوسائط يتضمّن نصًا وملفات 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-3.5-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.");

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 العرض التدريجي بدلاً من ذلك للتعامل مع النتائج الجزئية. لعرض الرد تدريجيًا، استدعِ generateContentStream.



المتطلبات والاقتراحات الخاصة بالمستندات المُدخَلة

يُرجى العِلم أنّ الملف الذي يتم تقديمه كبيانات مضمّنة يتم تشفيره باستخدام base64 أثناء النقل، ما يزيد من حجم الطلب. يظهر لك خطأ HTTP 413 إذا كان الطلب كبيرًا جدًا.

يُرجى الاطّلاع على صفحة "الملفات المُدخَلة المتوافقة والمتطلبات" للحصول على معلومات مفصّلة حول ما يلي:

أنواع MIME للمستندات المتوافقة

تتيح نماذج Gemini المتعددة الوسائط أنواع MIME للمستندات التالية:

  • ‫PDF - application/pdf
  • نص - text/plain

الحدود القصوى المسموح بها لكل طلب

تُعامَل ملفات PDF على أنّها صور، لذا تُعامَل صفحة واحدة من ملف PDF على أنّها صورة واحدة يقتصر عدد الصفحات المسموح بها في الطلب على عدد الصور التي يمكن أن تتيحها نماذج Gemini المتعددة الوسائط.

  • الحدّ الأقصى لعدد الملفات لكل طلب: 3,000 ملف
  • الحدّ الأقصى لعدد الصفحات لكل ملف: 1,000 صفحة لكل ملف
  • الحدّ الأقصى لحجم كل ملف: 50 ميغابايت لكل ملف



ما المهام التي يمكن لمساعد Google تنفيذها أيضًا؟

  • تعرّف على كيفية حساب الرموز المميزة 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 تشمل الملفات الصور وملفات PDF والفيديوهات والملفات الصوتية.
  • البدء في 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 إصدار إصدار جديد من التطبيق

تجربة إمكانات أخرى

كيفية التحكّم في إنشاء المحتوى

يمكنك أيضًا تجربة الطلبات وإعدادات النموذج، وحتى الحصول على مقتطف رمز برمجي من إنشاء الذكاء الاصطناعي باستخدام Google AI Studio.

مزيد من المعلومات عن النماذج المتوافقة

مزيد من المعلومات عن الـ نماذج المتاحة لحالات الاستخدام المختلفة وحصصها وأسعارها .


تقديم ملاحظاتك حول تجربتك مع Firebase AI Logic