Używanie konfiguracji modelu do kontrolowania odpowiedzi

W każdym wywołaniu modelu możesz wysłać konfigurację modelu, aby określić, jak model ma generować odpowiedź. Każdy model obsługuje różne opcje konfiguracji, np. ustawienie maxOutputTokens lub specjalistyczne konfiguracje dotyczące myślenia, trybów odpowiedzi, obrazów lub mowy.

W większości przypadków użycia podczas uzyskiwania dostępu do modelu Gemini konfigurujesz go za pomocą GenerationConfig. Jeśli jednak konfigurujesz model Gemini Live API, używasz LiveGenerationConfig.

Na tej stronie dowiesz się, jak skonfigurować modele Gemini, i znajdziesz opis każdego parametru.

Przejdź do konfiguracji Gemini Przejdź do konfiguracji Gemini Live API

GenerationConfig w przypadku modeli Gemini

Kliknij Gemini API dostawcę, aby wyświetlić na tej stronie treści i kod dostawcy.

Ustaw GenerationConfig dla większości modeli Gemini, w tym modeli ogólnego zastosowania, modeli generujących obrazy (modeli „Nano Banana”) i modeli zamiany tekstu na mowę (TTS).

Konfiguracja jest utrzymywana przez cały okres istnienia instancji GenerativeModel. Jeśli chcesz użyć innej konfiguracji, utwórz nową instancję z inną konfiguracją i jej używaj.

Swift

Ustaw wartości parametrów w sekcji GenerationConfig podczas tworzenia instancji GenerativeModel.


import FirebaseAILogic

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
let config = GenerationConfig(
  candidateCount: 1,
  maxOutputTokens: 200,
  stopSequences: ["red"]
)

// Initialize the Gemini Developer API backend service.
// Specify the config as part of creating the `GenerativeModel` instance.
let model = FirebaseAI.firebaseAI(backend: .googleAI()).generativeModel(
  modelName: "GEMINI_MODEL_NAME",
  generationConfig: config
)

// ...

Kotlin

Ustaw wartości parametrów w sekcji GenerationConfig podczas tworzenia instancji GenerativeModel.


// ...

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
val config = generationConfig {
    candidateCount = 1
    maxOutputTokens = 200
    stopSequences = listOf("red")
}

// Initialize the Gemini Developer API backend service.
// Specify the config as part of creating the `GenerativeModel` instance.
val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
    modelName = "GEMINI_MODEL_NAME",
    generationConfig = config
)

// ...

Java

Ustaw wartości parametrów w sekcji GenerationConfig podczas tworzenia instancji GenerativeModel.


// ...

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
GenerationConfig.Builder configBuilder = new GenerationConfig.Builder();
configBuilder.candidateCount = 1;
configBuilder.maxOutputTokens = 200;
configBuilder.stopSequences = List.of("red");

GenerationConfig config = configBuilder.build();

// Specify the config as part of creating the `GenerativeModel` instance.
GenerativeModelFutures model = GenerativeModelFutures.from(
        FirebaseAI.getInstance(GenerativeBackend.googleAI())
                .generativeModel(
                    "GEMINI_MODEL_NAME",
                    config
                );
);

// ...

Web

Ustaw wartości parametrów w sekcji GenerationConfig podczas tworzenia instancji GenerativeModel.


// ...

// Initialize the Gemini Developer API backend service.
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
const generationConfig = {
  candidate_count: 1,
  maxOutputTokens: 200,
  stopSequences: ["red"],
};

// Specify the config as part of creating the `GenerativeModel` instance.
const model = getGenerativeModel(ai, { model: "GEMINI_MODEL_NAME",  generationConfig });

// ...

Dart

Ustaw wartości parametrów w sekcji GenerationConfig podczas tworzenia instancji GenerativeModel.


// ...

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
final generationConfig = GenerationConfig(
  candidateCount: 1,
  maxOutputTokens: 200,
  stopSequences: ["red"],
);

// Initialize the Gemini Developer API backend service.
// Specify the config as part of creating the `GenerativeModel` instance.
final model = FirebaseAI.googleAI().generativeModel(
  model: 'GEMINI_MODEL_NAME',
  config: generationConfig,
);

// ...

Unity

Ustaw wartości parametrów w sekcji GenerationConfig podczas tworzenia instancji GenerativeModel.


// ...

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
var generationConfig = new GenerationConfig(
  candidateCount: 1,
  maxOutputTokens: 200,
  stopSequences: new string[] { "red" }
);

// Initialize the Gemini Developer API backend service.
// Specify the config as part of creating the `GenerativeModel` instance.
var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI());
var model = ai.GetGenerativeModel(
  modelName: "GEMINI_MODEL_NAME",
  generationConfig: generationConfig
);

Opis każdego parametru znajdziesz w następnej sekcji tej strony.

Możesz eksperymentować z promptami i konfiguracjami modeli, korzystając z Google AI Studio.

LiveGenerationConfig w przypadku modeli Gemini Live API

Kliknij Gemini API dostawcę, aby wyświetlić na tej stronie treści i kod dostawcy.

Ustaw LiveGenerationConfig tylko wtedy, gdy używasz modeli Gemini Live API.

Konfiguracja jest utrzymywana przez cały okres istnienia instancji LiveModel. Jeśli chcesz użyć innej konfiguracji, utwórz nową instancję z inną konfiguracją i jej używaj.

Swift

Ustaw wartości parametrów w liveGenerationConfig podczas inicjowania instancji LiveModel:


// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here).
let config = LiveGenerationConfig(
  maxOutputTokens: 200,
  responseModalities: [.audio],
  speech: SpeechConfig(voiceName: "Fenrir"),
)

// Specify the config as part of creating the `liveModel` instance.
let liveModel = FirebaseAI.firebaseAI(backend: .googleAI()).liveModel(
  modelName: "GEMINI_LIVE_MODEL_NAME",
  generationConfig: config
)

// ...

Kotlin

Ustaw wartości parametrów w LiveGenerationConfig podczas tworzenia instancji LiveModel.


// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here).
val config = liveGenerationConfig {
    maxOutputTokens = 200
    responseModality = ResponseModality.AUDIO
    speechConfig = SpeechConfig(voice = Voices.FENRIR)
}

// Specify the config as part of creating the `LiveModel` instance.
val liveModel = Firebase.ai(backend = GenerativeBackend.agentPlatform()).liveModel(
    modelName = "GEMINI_LIVE_MODEL_NAME",
    generationConfig = config
)

// ...

Java

Ustaw wartości parametrów w LiveGenerationConfig podczas tworzenia instancji LiveModel.


// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here).
LiveGenerationConfig.Builder configBuilder = new LiveGenerationConfig.Builder();
configBuilder.setMaxOutputTokens(200);
configBuilder.setResponseModality(ResponseModality.AUDIO);

configBuilder.setSpeechConfig(new SpeechConfig(Voices.FENRIR));

LiveGenerationConfig config = configBuilder.build();

// Specify the config as part of creating the `LiveModel` instance.
LiveGenerativeModel lm = FirebaseAI.getInstance(GenerativeBackend.googleAI()).liveModel(
          "GEMINI_LIVE_MODEL_NAME",
          config
);

// ...

Web

Ustaw wartości parametrów w LiveGenerationConfig podczas inicjowania instancji LiveGenerativeModel:


// ...

// Initialize the Gemini Developer API backend service.
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Set parameter values in a `LiveGenerationConfig` (example values shown here).
const liveGenerationConfig = {
  maxOutputTokens: 200,
  responseModalities: [ResponseModality.AUDIO],
  speechConfig: {
    voiceConfig: {
      prebuiltVoiceConfig: { voiceName: "Fenrir" },
    },
  },
};

// Specify the config as part of creating the `LiveGenerativeModel` instance.
const liveModel = getLiveGenerativeModel(ai, {
  model: "GEMINI_LIVE_MODEL_NAME",
  liveGenerationConfig,
});

// ...

Dart

Ustaw wartości parametrów w LiveGenerationConfig podczas tworzenia instancji LiveGenerativeModel.


// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here).
final config = LiveGenerationConfig(
  maxOutputTokens: 200,
  responseModalities: [ResponseModalities.audio],
  speechConfig: SpeechConfig(voiceName: 'Fenrir'),
);

// Specify the config as part of creating the `liveGenerativeModel` instance.
final liveModel = FirebaseAI.googleAI().liveGenerativeModel(
  model: 'GEMINI_LIVE_MODEL_NAME',
  liveGenerationConfig: config,
);

// ...

Unity

Ustaw wartości parametrów w LiveGenerationConfig podczas tworzenia instancji LiveModel.


// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here).
var config = new LiveGenerationConfig(
  maxOutputTokens: 200,
  responseModalities: new[] { ResponseModality.Audio },
  speechConfig: SpeechConfig.UsePrebuiltVoice("Fenrir")
);

// Specify the config as part of creating the `LiveModel` instance.
var liveModel = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI()).GetLiveModel(
  modelName: "GEMINI_LIVE_MODEL_NAME",
  liveGenerationConfig: config
);

// ...

Opis każdego parametru znajdziesz w następnej sekcji tej strony.

Możesz eksperymentować z promptami i konfiguracjami modeli, korzystając z Google AI Studio.


Opis parametrów

Poniższa tabela zawiera ogólne omówienie dostępnych parametrów. Niektóre parametry mają zastosowanie tylko w przypadku określonych modeli.

Pamiętaj, że parametry temperatura, top-K i top-P zostały wycofane i są ignorowane przez najnowsze modele Gemini.

Parametr Opis Ograniczenia Wartość domyślna
Sygnatura czasowa dźwięku
audioTimestamp 		Umożliwia rozpoznawanie sygnatur czasowych w plikach wejściowych zawierających tylko dźwięk.

Wartość logiczna

Ma zastosowanie tylko w przypadku korzystania z konfiguracji GenerativeModel i gdy typ danych wejściowych to plik zawierający tylko dźwięk.

false
Liczba kandydatów
candidateCount 		Określa liczbę wariantów odpowiedzi do zwrócenia. W przypadku każdego żądania opłata jest naliczana za tokeny wyjściowe wszystkich kandydatów, ale tylko raz za tokeny wejściowe.

Obsługiwane wartości: 1–8 (włącznie)

Ma zastosowanie tylko wtedy, gdy używana jest funkcja generateContent.

Nie ma zastosowania w przypadku korzystania z modeli TTS generateContentStream lub Live API.

1
Maksymalna liczba tokenów wyjściowych
maxOutputTokens 		Określa maksymalną liczbę tokenów, które można wygenerować w odpowiedzi. --- ---
Kara za częstotliwość
frequencyPenalty

Określa prawdopodobieństwo uwzględnienia w wygenerowanej odpowiedzi tokenów, które pojawiają się w niej wielokrotnie.

Wartości dodatnie karzą tokeny, które wielokrotnie pojawiają się w wygenerowanych treściach, zmniejszając prawdopodobieństwo powtórzenia treści.

Nie dotyczy modeli TTS. ---
Kara za obecność
presencePenalty

Określa prawdopodobieństwo uwzględnienia tokenów, które już występują w wygenerowanej odpowiedzi.

Wartości dodatnie karzą tokeny, które już występują w wygenerowanych treściach, zwiększając prawdopodobieństwo wygenerowania bardziej zróżnicowanych treści.

Nie dotyczy modeli TTS. ---
Sekwencje zatrzymania
stopSequences 		Określa listę ciągów znaków, które informują model, aby zatrzymał generowanie treści, jeśli w odpowiedzi pojawi się jeden z tych ciągów.

Ma zastosowanie tylko wtedy, gdy używasz konfiguracji GenerativeModel.

Nie dotyczy modeli TTS.

---
Konfiguracje specjalistyczne
Myślę
thinkingConfig

Określa „proces myślowy” modeli podczas generowania odpowiedzi.

  • Kontroluj ilość myślenia, jaką może wykonać model, za pomocą poziomu myślenia (Gemini 3.x i nowsze modele).
  • Określ, czy uwzględniać podsumowania myśli.

Obsługiwane wartości: zobacz dokumentację dotyczącą myślenia

Nie dotyczy modeli TTS.

Firebase AI Logic nie obsługuje jeszcze ustawiania thinkingConfig dla modeli Live API.

Zależy od modelu
Sposoby odpowiedzi
responseModalities 		Określa typ danych wyjściowych (np. tekst, dźwięk lub obrazy). Dotyczy tylko (i jest wymagane) w przypadku korzystania z Gemini modeli obrazów (modeli „Nano Banana”), modeli TTS i Live API modeli. ---
Charakterystyka obrazu
imageConfig 		Określa format obrazu i rozdzielczość wygenerowanych obrazów.

Obsługiwane wartości: zobacz Konfigurowanie generowania obrazów

(ma zastosowanie tylko w przypadku korzystania z Gemini modeli obrazów („Nano Banana”))

Format obrazu 1:1 (kwadrat)
rozdzielczość 1024 x 1024
Mowa (głos)
speechConfig 		Określa głos używany do wyjścia audio. Ma zastosowanie tylko w przypadku korzystania z modeli TTS i modeli Live API.

Wymagane w przypadku modeli TTS. 		Puck



Inne opcje sterowania generowaniem treści

  • Dowiedz się więcej o projektowaniu promptów, aby wpływać na model i generować dane wyjściowe dostosowane do Twoich potrzeb.
  • Użyj ustawień bezpieczeństwa, aby dostosować prawdopodobieństwo otrzymania odpowiedzi, które mogą być uznane za szkodliwe, w tym wypowiedzi szerzące nienawiść i treści o charakterze jednoznacznie seksualnym.
  • Ustaw instrukcje systemowe, aby sterować zachowaniem modelu. Ta funkcja działa jak wstęp, który dodajesz, zanim model otrzyma dalsze instrukcje od użytkownika.
  • Przekaż schemat odpowiedzi wraz z promptem, aby określić konkretny schemat wyjściowy. Ta funkcja jest najczęściej używana podczas generowania danych wyjściowych w formacie JSON, ale można jej też używać w przypadku zadań klasyfikacji (np. gdy chcesz, aby model używał określonych etykiet lub tagów).