يمكنك أن تطلب من نموذج Gemini تحليل ملفات الفيديو التي تقدّمها إما مضمّنة (بترميز base64) أو من خلال عنوان URL. عند استخدام Firebase AI Logic، يمكنك تقديم هذا الطلب مباشرةً من تطبيقك.
باستخدام هذه الميزة، يمكنك إجراء ما يلي:
- إضافة شرح والإجابة عن أسئلة حول الفيديوهات
- تحليل مقاطع معيّنة من فيديو باستخدام الطوابع الزمنية
- تحويل محتوى الفيديو إلى نص من خلال معالجة كل من المقطع الصوتي والإطارات المرئية
- وصف المعلومات وتقسيمها واستخراجها من الفيديوهات، بما في ذلك المقطع الصوتي والإطارات المرئية
يتناول هذا الدليل كيفية إنشاء نص من فيديو مُدخَل، ولكن يمكنك أيضًا إنشاء صور من فيديو مُدخَل.
الانتقال إلى عيّنات التعليمات البرمجية الانتقال إلى التعليمات البرمجية للردود المباشرة
|
اطّلِع على الأدلة الأخرى للحصول على خيارات إضافية للعمل مع الفيديو إنشاء مخرجات منظَّمة محادثة متعددة الجولات إنشاء الصور |
قبل البدء
|
انقر على مزوّد خدمة Gemini API لعرض المحتوى والرمز البرمجي الخاصَّين بالمزوّد على هذه الصفحة. |
إذا لم يسبق لك إجراء ذلك، أكمِل
دليل البدء الذي يوضّح كيفية
إعداد مشروعك على Firebase وربط تطبيقك بمنصة Firebase وإضافة حزمة تطوير البرامج (SDK)
وإعداد خدمة الخلفية لمقدّم خدمة Gemini API الذي اخترته
وإنشاء مثيل GenerativeModel.
لاختبار الطلبات وتحسينها، ننصحك باستخدام Google AI Studio.
النماذج التي تتيح هذه الميزة
يتناول هذا الدليل كيفية إنشاء نصّ من إنشاء الذكاء الاصطناعي من إدخال فيديو، وهو ينطبق على نماذج Gemini التالية:
gemini-4-argon-
gemini-3.8-flash(والإصدارات الأقدمgemini-3.7-flashوgemini-3.6-flashوgemini-3.5-flash) -
gemini-3.5-flash-lite(والإصدار الأقدمgemini-3.1-flash-lite)
يتيح أيضًا نموذج gemini-3.1-pro-preview ونموذج Gemini 2.5 للاستخدام العام (اللذان تم إيقافهما نهائيًا) هذه الإمكانية.
إنشاء نص من ملفات فيديو (بترميز base64)
|
قبل تجربة هذا النموذج، أكمِل قسم
قبل البدء في هذا الدليل
لإعداد مشروعك وتطبيقك. في هذا القسم، ستنقر أيضًا على زر لمقدّم الخدمة Gemini API الذي اخترته حتى يظهر لك المحتوى الخاص بمقدّم الخدمة في هذه الصفحة. |
يمكنك أن تطلب من نموذج Gemini إنشاء نصّ من إنشاء الذكاء الاصطناعي من خلال توجيه طلب باستخدام نص وفيديو، مع تقديم mimeType لكل ملف إدخال والملف نفسه. يمكنك الاطّلاع على
متطلبات ملفات الإدخال والاقتراحات بشأنها
لاحقًا في هذه الصفحة.
Swift
يمكنك استدعاء
generateContent()
لإنشاء نصّ من إنشاء الذكاء الاصطناعي من إدخال متعدد الوسائط لملفات نصية وفيديو.
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-3.8-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
يمكنك استدعاء
generateContent()
لإنشاء نصّ من إنشاء الذكاء الاصطناعي من إدخال متعدد الوسائط لملفات نصية وفيديو.
// 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-3.8-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
يمكنك استدعاء
generateContent()
لإنشاء نصّ من إنشاء الذكاء الاصطناعي من إدخال متعدد الوسائط لملفات نصية وفيديو.
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-3.8-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
يمكنك استدعاء
generateContent()
لإنشاء نصّ من إنشاء الذكاء الاصطناعي من إدخال متعدد الوسائط لملفات نصية وفيديو.
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-3.8-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 {
type: "inlineData",
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
يمكنك استدعاء
generateContent()
لإنشاء نص من إدخال متعدد الوسائط لملفات نصية وفيديو.
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-3.8-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
يمكنك استدعاء
GenerateContentAsync()
لإنشاء نصّ من إنشاء الذكاء الاصطناعي من إدخال متعدد الوسائط لملفات نصية وفيديو.
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-3.8-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.");
تعرَّف على كيفية اختيار نموذج (اختياري) مناسبَين لحالة الاستخدام والتطبيق.
عرض الرد تدريجيًا
|
قبل تجربة هذا النموذج، أكمِل قسم
قبل البدء في هذا الدليل
لإعداد مشروعك وتطبيقك. في هذا القسم، ستنقر أيضًا على زر لمقدّم الخدمة Gemini API الذي اخترته حتى يظهر لك المحتوى الخاص بمقدّم الخدمة في هذه الصفحة. |
يمكنك تحقيق تفاعلات أسرع من خلال عدم انتظار النتيجة الكاملة من
إنشاء النموذج، واستخدام البث بدلاً من ذلك للتعامل مع النتائج الجزئية.
لبث الردّ، استدعِ generateContentStream.
المتطلبات والاقتراحات لملفات الفيديو المُدخلة
يُرجى العِلم أنّ الملف المقدَّم كبيانات مضمّنة يتم ترميزه إلى base64 أثناء النقل، ما يؤدي إلى زيادة حجم الطلب. يظهر لك خطأ HTTP 413 إذا كان الطلب كبيرًا جدًا.
يمكنك الاطّلاع على صفحة "ملفات الإدخال والمتطلبات المتوافقة" لمعرفة معلومات مفصّلة حول ما يلي:
- خيارات مختلفة لتقديم ملف في طلب (إما مضمّنًا أو باستخدام عنوان URL أو معرّف الموارد المنتظم (URI) للملف)
- المتطلبات وأفضل الممارسات المتعلقة بملفات الفيديو
أنواع MIME المتوافقة للفيديوهات
تتوافق نماذج Gemini المتعدّدة الوسائط مع أنواع MIME التالية للفيديوهات:
- FLV -
video/x-flv - MOV -
video/quicktime - MPEG -
video/mpeg - MPEGPS -
video/mpegps - الأميال لكل غالون -
video/mpg - MP4 -
video/mp4 - WEBM -
video/webm - WMV -
video/wmv - 3GPP -
video/3gpp
الحدود لكل طلب
الحدّ الأقصى لعدد الملفات لكل طلب: 10 ملفات فيديو
ما المهام الأخرى التي يمكنني تنفيذها؟
- تعرَّف على كيفية احتساب الرموز المميّزة قبل إرسال طلبات طويلة إلى النموذج.
- يمكنك إعداد Cloud Storage for Firebase لتتمكّن من تضمين ملفات كبيرة في طلباتك المتعدّدة الوسائط والحصول على حلّ أكثر تنظيمًا لتوفير الملفات في الطلبات. يمكن أن تتضمّن الملفات صورًا وملفات PDF وفيديوهات وملفات صوتية.
-
ابدأ في التفكير في الاستعداد للإنتاج (راجع
قائمة التحقق من الإنتاج):
- يجب فرض Firebase App Check في أقرب وقت ممكن للمساعدة في حماية Gemini API من إساءة الاستخدام من قِبل العملاء غير المصرّح لهم.
- استخدِم Firebase Remote Config أو نماذج الطلبات من الخادم لتتمكّن من إجراء تغييرات عند الطلب على إعدادات ميزة الذكاء الاصطناعي (مثل اسم النموذج) بدون إصدار نسخة جديدة من تطبيقك.
تجربة إمكانات أخرى
- إنشاء محادثات متعدّدة الجولات (محادثة)
- إنشاء نصّ من إنشاء الذكاء الاصطناعي من طلبات نصية فقط
- إنشاء مخرجات منظَّمة (مثل JSON) من الطلبات النصية والمتعددة الوسائط
- إنشاء الصور وتعديلها من خلال الطلبات النصية والمتعددة الوسائط
- إنشاء كلام (بصوت متحدث واحد أو عدة متحدثين) باستخدام نماذج تحويل النص إلى كلام (TTS) من Gemini
-
استخدِم الأدوات (مثل استدعاء الدوال
و"الاستناد إلى مصدر" مع
Google Search أوGoogle Maps ) لربط نموذج Gemini بأجزاء أخرى من تطبيقك والأنظمة والمعلومات الخارجية.
كيفية التحكّم في إنشاء المحتوى
- فهم تصميم الطلبات، بما في ذلك أفضل الممارسات والاستراتيجيات وأمثلة على الطلبات
- ضبط مَعلمات النموذج، مثل الحد الأقصى لرموز الناتج المميّزة واحتمال تكرار رموز الناتج المميّزة وما إلى ذلك
- استخدِم إعدادات الأمان لضبط احتمالية الحصول على ردود قد تُعتبر ضارة.
مزيد من المعلومات عن النماذج المتوافقة
يمكنك الاطّلاع على النماذج المتاحة لمختلف حالات الاستخدام والحصص والأسعار.تقديم ملاحظات حول تجربتك مع "Firebase AI Logic"