使用模型配置来控制回答

在对模型的每次调用中，您都可以发送模型配置，以控制模型如何生成回答。每个模型都支持不同的配置选项，例如设置 maxOutputTokens 或针对思考、回答模态、图片、语音或语音活动检测 (VAD) 的专门配置。

在访问 Gemini 模型的大多数用例中，您可以使用 GenerationConfig 配置模型。但是，如果您要配置 Gemini Live API 模型，则应使用 LiveGenerationConfig。

本页面介绍了如何为 Gemini 模型设置配置，并提供了可用参数表。

跳转到 Gemini 配置 跳转到 Gemini Live API 配置

GenerationConfig（适用于 Gemini 模型）

点击您的 Gemini API 提供商，以查看此页面上特定于提供商的内容和代码。

为大多数 Gemini 生成模型设置 GenerationConfig，包括通用模型、图片生成 (Nano Banana) 模型和文字转语音 (TTS) 模型。

该配置会在 GenerativeModel 实例的生命周期内保持不变。如果您想使用其他配置，请创建并使用具有其他配置的新实例。

以下示例展示了一个非常基本的模型配置。如需了解其他选项（尤其是专用模型的选项），请参阅本页面后面的可用参数表。

Swift

在创建 GenerativeModel 实例的过程中，在 GenerationConfig 中设置参数的值。


import FirebaseAILogic

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// For the latest general-use Gemini models, the following parameters are now unsupported:
// temperature, top-K, top-P, frequency penalty, presence penalty, and candidate count
let config = GenerationConfig(
  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

在创建 GenerativeModel 实例的过程中，在 GenerationConfig 中设置参数的值。


// ...

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// For the latest general-use Gemini models, the following parameters are now unsupported:
// temperature, top-K, top-P, frequency penalty, presence penalty, and candidate count
val config = generationConfig {
    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

在创建 GenerativeModel 实例的过程中，在 GenerationConfig 中设置参数的值。


// ...

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// For the latest general-use Gemini models, the following parameters are now unsupported:
// temperature, top-K, top-P, frequency penalty, presence penalty, and candidate count
GenerationConfig.Builder configBuilder = new GenerationConfig.Builder();
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

在创建 GenerativeModel 实例的过程中，在 GenerationConfig 中设置参数的值。


// ...

// 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.
// For the latest general-use Gemini models, the following parameters are now unsupported:
// temperature, top-K, top-P, frequency penalty, presence penalty, and candidate count
const generationConfig = {
  maxOutputTokens: 200,
  stopSequences: ["red"],
};

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

// ...

Dart

在创建 GenerativeModel 实例的过程中，在 GenerationConfig 中设置参数的值。


// ...

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// For the latest general-use Gemini models, the following parameters are now unsupported:
// temperature, top-K, top-P, frequency penalty, presence penalty, and candidate count
final generationConfig = GenerationConfig(
  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',
  generationConfig: generationConfig,
);

// ...

Unity

在创建 GenerativeModel 实例的过程中，在 GenerationConfig 中设置参数的值。


// ...

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// For the latest general-use Gemini models, the following parameters are now unsupported:
// temperature, top-K, top-P, frequency penalty, presence penalty, and candidate count
var generationConfig = new GenerationConfig(
  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
);
您可以使用 Google AI Studio 尝试不同的提示和模型配置。

LiveGenerationConfig（适用于 Gemini Live API 模型）

点击您的 Gemini API 提供商，以查看此页面上特定于提供商的内容和代码。

仅在使用 Gemini Live API 模型时设置 LiveGenerationConfig。

该配置会在 LiveModel 实例的生命周期内保持不变。如果您想使用其他配置，请创建并使用具有其他配置的新实例。

以下示例展示了一个非常基本的模型配置。如需了解其他选项（例如配置语音活动检测 [VAD]），请参阅本页面下文中的可用参数表。

Swift

在 LiveModel 实例初始化期间，设置 liveGenerationConfig 中的参数值：


// ...

// 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

在创建 LiveModel 实例的过程中，设置 LiveGenerationConfig 中的参数值。


// ...

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

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

// ...

Java

在创建 LiveModel 实例的过程中，设置 LiveGenerationConfig 中的参数值。


// ...

// 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(new Voice("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

在 LiveGenerativeModel 实例初始化期间，设置 LiveGenerationConfig 中的参数值：


// ...

// 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

在创建 LiveGenerativeModel 实例的过程中，设置 LiveGenerationConfig 中的参数值。


// ...

// 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

在创建 LiveModel 实例的过程中，设置 LiveGenerationConfig 中的参数值。


// ...

// 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
);

// ...
您可以使用 Google AI Studio 尝试不同的提示和模型配置。


可用的模型参数

下表简要概述了可用于模型配置的参数。某些参数仅适用于特定模型。

参数 说明 限制 默认值
音频时间戳
audioTimestamp 		为仅音频输入文件启用时间戳理解功能。

布尔值

仅在使用 GenerativeModel 配置且输入类型为纯音频文件时适用。

false
输出 token 数量上限
maxOutputTokens

指定回答中可生成的词元数量上限。

对于 gemini-4-argon，非流式请求的默认和最大输出 token 限制为 32,768 个 token，流式请求的默认和最大输出 token 限制为 65,536 个 token。请注意，Firebase AI Logic 尚不支持长解码，但该功能即将推出！

--- ---
停止序列
stopSequences 		指定一个字符串列表，告知模型在回答中遇到其中一个字符串时，停止生成内容。

仅在使用 GenerativeModel 配置时适用。

不适用于 Nano Banana 或 TTS 模型。

---
专用配置
思考型
thinkingConfig

控制模型在生成回答时的“思考过程”。

  • 使用思考级别控制模型可以执行的思考量。
  • 控制是否包含思考摘要。

支持的值：请参阅思考文档

不适用于 TTS 模型。

Firebase AI Logic尚不支持为 Live API 模型设置 thinkingConfig。

取决于模型
回答模态
responseModalities 		指定输出类型（例如文本、音频或图片）。 仅在使用 Nano Banana、TTS 和 Live API 模型时适用（且必需）。 ---
图片特征
imageConfig 		指定生成图片的宽高比和分辨率。

支持的值：请参阅配置图片生成

仅在使用 Nano Banana 模型时适用。

1:1 宽高比（方形）
1024x1024 分辨率
语音
speechConfig 		指定用于音频输出的语音。 仅在使用 TTS 模型和 Live API 模型时适用。

TTS 模型必须具有此参数。 		Puck
语音活动检测 (VAD)
realtimeInputConfig 		配置语音活动检测 (VAD)、中断处理和轮次上下文覆盖范围，或停用自动 VAD。

支持的值：请参阅配置 VAD

仅在使用 Live API 模型时适用。

已启用 VAD

请参阅各项设置的默认值。


其他内容生成控制选项

  • 详细了解提示设计，以便影响模型生成符合您特定需求的输出。
  • 使用安全设置可调整收到可能被视为有害的回答（包括仇恨言论和露骨色情内容）的可能性。
  • 设置系统指令，以引导模型的行为。此功能就像一段预置指令，在模型接收到最终用户的进一步指令之前添加。
  • 将响应 schema 与提示一起传递，以指定特定的输出 schema。此功能最常用于生成 JSON 输出，但也可用于分类任务（例如，当您希望模型使用特定标签或标记时）。