Bạn có thể yêu cầu mô hình Gemini phân tích các tệp video mà bạn cung cấp cùng dòng (được mã hoá base64) hoặc qua URL. Khi sử dụng Firebase AI Logic, bạn có thể đưa ra yêu cầu này trực tiếp từ ứng dụng của mình.
Với tính năng này, bạn có thể làm những việc như:
- Tạo chú thích và trả lời câu hỏi về video
- Phân tích các phân đoạn cụ thể của video bằng dấu thời gian
- Chuyển nội dung video thành văn bản bằng cách xử lý cả bản âm thanh và khung hình ảnh
- Mô tả, phân đoạn và trích xuất thông tin từ video, bao gồm cả bản âm thanh và khung hình ảnh
Chuyển đến mã mẫu Chuyển đến mã cho các câu trả lời được truyền trực tuyến
|
Xem các hướng dẫn khác để biết thêm lựa chọn về cách xử lý video Tạo dữ liệu 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 bạn chưa làm, 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 thực thể GenerativeModel.
Để kiểm thử và lặp lại các câu lệnh, bạn nên sử dụng Google AI Studio.
Tạo văn bản từ tệp video (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 xem 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 video – 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 video.
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 video as `Data` with the appropriate MIME type.
let video = InlineDataPart(data: try Data(contentsOf: videoURL), mimeType: "video/mp4")
// Provide a text prompt to include with the video
let prompt = "What is in the video?"
// To generate text output, call generateContent with the text and video
let response = try await model.generateContent(video, prompt)
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 video.
// 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
contentResolver.openInputStream(videoUri).use { stream ->
stream?.let {
val bytes = stream.readBytes()
// Provide a prompt that includes the video specified above and text
val prompt = content {
inlineData(bytes, "video/mp4")
text("What is in the video?")
}
// To generate text output, call generateContent with the prompt
val response = model.generateContent(prompt)
Log.d(TAG, response.text ?: "")
}
}
Java
Bạn có thể gọi
generateContent()
để tạo văn bản từ dữ liệu đầu vào đa phương thức gồm văn bản và tệp video.
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();
try (InputStream stream = resolver.openInputStream(videoUri)) {
File videoFile = new File(new URI(videoUri.toString()));
int videoSize = (int) videoFile.length();
byte[] videoBytes = new byte[videoSize];
if (stream != null) {
stream.read(videoBytes, 0, videoBytes.length);
stream.close();
// Provide a prompt that includes the video specified above and text
Content prompt = new Content.Builder()
.addInlineData(videoBytes, "video/mp4")
.addText("What is in the video?")
.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 resultText = result.getText();
System.out.println(resultText);
}
@Override
public void onFailure(Throwable t) {
t.printStackTrace();
}
}, executor);
}
} catch (IOException e) {
e.printStackTrace();
} catch (URISyntaxException e) {
e.printStackTrace();
}
Web
Bạn có thể gọi
generateContent()
để tạo văn bản từ dữ liệu đầu vào đa phương thức gồm văn bản và tệp video.
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(',')[1]);
reader.readAsDataURL(file);
});
return {
inlineData: { data: await base64EncodedDataPromise, mimeType: file.type },
};
}
async function run() {
// Provide a text prompt to include with the video
const prompt = "What do you see?";
const fileInputEl = document.querySelector("input[type=file]");
const videoPart = await fileToGenerativePart(fileInputEl.files[0]);
// To generate text output, call generateContent with the text and video
const result = await model.generateContent([prompt, videoPart]);
const response = result.response;
const text = response.text();
console.log(text);
}
run();
Dart
Bạn có thể gọi
generateContent()
để tạo văn bản từ dữ liệu đầu vào đa phương thức gồm văn bản và tệp video.
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 video
final prompt = TextPart("What's in the video?");
// Prepare video for input
final video = await File('video0.mp4').readAsBytes();
// Provide the video as `Data` with the appropriate mimetype
final videoPart = InlineDataPart('video/mp4', video);
// To generate text output, call generateContent with the text and images
final response = await model.generateContent([
Content.multi([prompt, ...videoPart])
]);
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 video.
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 the video as `data` with the appropriate MIME type.
var video = ModelContent.InlineData("video/mp4",
System.IO.File.ReadAllBytes(System.IO.Path.Combine(
UnityEngine.Application.streamingAssetsPath, "yourVideo.mp4")));
// Provide a text prompt to include with the video
var prompt = ModelContent.Text("What is in the video?");
// To generate text output, call GenerateContentAsync with the text and video
var response = await model.GenerateContentAsync(new [] { video, prompt });
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 xem 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 sử dụng tính năng truyền trực tuyến để xử lý kết quả từng phần.
Để truyền trực tuyến câu trả lời, hãy gọi generateContentStream.
Yêu cầu và đề xuất cho tệp video 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.
Hãy 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 tệp trong một yêu cầu (cùng dòng hoặc sử dụng URL hoặc URI của tệp)
- Yêu cầu và các phương pháp hay nhất cho tệp video
Các loại MIME video được hỗ trợ
Gemini các mô hình đa phương thức hỗ trợ các loại MIME video sau:
- FLV –
video/x-flv - MOV –
video/quicktime - MPEG –
video/mpeg - MPEGPS –
video/mpegps - MPG –
video/mpg - MP4 –
video/mp4 - WEBM –
video/webm - WMV –
video/wmv - 3GPP –
video/3gpp
Giới hạn cho mỗi yêu cầu
Số lượng tệp tối đa cho mỗi yêu cầu: 10 tệp video
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 các yêu cầu đa phương thức và có một giải pháp được quản lý tốt 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 phép.
- Tích hợp Firebase Remote Config để cập nhật các giá trị trong ứng dụng của bạn (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.
- Tạo văn bản từ câu lệnh chỉ có văn bản.
- Tạo dữ liệu 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 gọi hàm và Bám sát nguồn bằng Google Tìm kiếm) để kết nối mô hình Gemini với các phần khác của ứng dụng và thông tin cũng như hệ thống 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 số lượng mã thông báo đầu ra tối đa, xác suất của các mã thông báo đầu ra lặp lại, v.v.
- 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