Utiliser la configuration du modèle pour contrôler les réponses

Dans chaque appel à un modèle, vous pouvez envoyer une configuration de modèle pour contrôler la manière dont le modèle génère une réponse. Chaque modèle accepte différentes options de configuration, comme la définition de maxOutputTokens ou des configurations spécialisées pour la réflexion, les modalités de réponse, les images, la reconnaissance vocale ou la détection de l'activité vocale (VAD).

Pour la plupart des cas d'utilisation, lorsque vous accédez à un modèle Gemini, vous le configurez à l'aide de GenerationConfig. Toutefois, si vous configurez un modèle Gemini Live API, vous devez utiliser LiveGenerationConfig.

Cette page explique comment configurer les modèles Gemini et fournit un tableau des paramètres disponibles.

Accéder à la configuration Gemini Accéder à la configuration Gemini Live API

GenerationConfig pour les modèles Gemini

Cliquez sur votre fournisseur Gemini API pour afficher le contenu et le code spécifiques au fournisseur sur cette page.

Définissez un GenerationConfig pour la majorité des modèles génératifs Gemini, y compris les modèles à usage général, les modèles de génération d'images (Nano Banana) et les modèles de synthèse vocale (TTS).

La configuration est conservée pendant toute la durée de vie de l'instance GenerativeModel. Si vous souhaitez utiliser une autre configuration, créez et utilisez une nouvelle instance avec une autre configuration.

L'exemple suivant montre une configuration de modèle très simple. Pour connaître les options supplémentaires (en particulier pour les modèles spécialisés), consultez le tableau des paramètres disponibles plus loin sur cette page.

Swift

Définissez les valeurs des paramètres dans un GenerationConfig lors de la création d'une instance GenerativeModel.


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

Définissez les valeurs des paramètres dans un GenerationConfig lors de la création d'une instance GenerativeModel.


// ...

// 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

Définissez les valeurs des paramètres dans un GenerationConfig lors de la création d'une instance GenerativeModel.


// ...

// 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

Définissez les valeurs des paramètres dans un GenerationConfig lors de la création d'une instance 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.
// 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

Définissez les valeurs des paramètres dans un fichier GenerationConfig lors de la création d'une instance GenerativeModel.


// ...

// 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

Définissez les valeurs des paramètres dans un GenerationConfig lors de la création d'une instance GenerativeModel.


// ...

// 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
);
Vous pouvez tester des prompts et des configurations de modèle à l'aide de Google AI Studio.

LiveGenerationConfig pour les modèles Gemini Live API

Cliquez sur votre fournisseur Gemini API pour afficher le contenu et le code spécifiques au fournisseur sur cette page.

Définissez un LiveGenerationConfig uniquement lorsque vous utilisez des modèles Gemini Live API.

La configuration est conservée pendant toute la durée de vie de l'instance LiveModel. Si vous souhaitez utiliser une autre configuration, créez et utilisez une nouvelle instance avec une autre configuration.

L'exemple suivant montre une configuration de modèle très simple. Pour connaître les autres options (comme la configuration de la détection de l'activité vocale), consultez le tableau des paramètres disponibles plus loin sur cette page.

Swift

Définissez les valeurs des paramètres dans liveGenerationConfig lors de l'initialisation de l'instance 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

Définissez les valeurs des paramètres dans un LiveGenerationConfig lors de la création d'une instance LiveModel.


// ...

// 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

Définissez les valeurs des paramètres dans un LiveGenerationConfig lors de la création d'une instance 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(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

Définissez les valeurs des paramètres dans LiveGenerationConfig lors de l'initialisation de l'instance 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

Définissez les valeurs des paramètres dans un fichier LiveGenerationConfig lors de la création d'une instance 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

Définissez les valeurs des paramètres dans un LiveGenerationConfig lors de la création d'une instance 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
);

// ...
Vous pouvez tester des prompts et des configurations de modèle à l'aide de Google AI Studio.


Paramètres de modèle disponibles

Le tableau suivant présente les paramètres disponibles pour la configuration du modèle. Certains paramètres ne s'appliquent qu'à certains modèles.

Paramètre Description Limites Valeur par défaut
Code temporel audio
audioTimestamp 		Active la compréhension des codes temporels pour les fichiers d'entrée contenant uniquement des données audio.

Booléen

Ne s'applique que lorsque vous utilisez une configuration GenerativeModel et que le type d'entrée est un fichier audio uniquement.

false
Nombre maximal de jetons de sortie
maxOutputTokens

Spécifie le nombre maximal de jetons pouvant être générés dans la réponse.

Pour gemini-4-argon, les limites de jetons de sortie par défaut et maximales sont de 32,768 jetons pour les requêtes sans streaming et de 65,536 jetons pour les requêtes en streaming. Notez que Firebase AI Logic n'est pas encore compatible avec le décodage long, mais que cette fonctionnalité sera bientôt disponible.

--- ---
Séquences d'arrêt
stopSequences 		Spécifie une liste de chaînes qui indiquent au modèle d'arrêter de générer du contenu si l'une des chaînes est détectée dans la réponse.

Ne s'applique que lorsque vous utilisez une configuration GenerativeModel.

Non applicable aux modèles Nano Banana ou TTS.

---
Configurations spécialisées
Réflexion
thinkingConfig

Contrôle le "processus de réflexion" des modèles lorsqu'ils génèrent une réponse.

  • Contrôlez la quantité de réflexion que le modèle peut effectuer à l'aide d'un niveau de réflexion.
  • Contrôlez si vous souhaitez inclure des résumés de réflexion.

Valeurs acceptées : consultez la documentation sur la réflexion.

Non applicable aux modèles TTS.

Firebase AI Logic ne permet pas encore de définir un thinkingConfig pour les modèles Live API.

Dépend du modèle
Modalités de réponse
responseModalities 		Spécifie le type de sortie (comme du texte, de l'audio ou des images). Applicable (et obligatoire) uniquement lors de l'utilisation des modèles Nano Banana, TTS et Live API. ---
Caractéristiques de l'image
imageConfig 		Spécifie le format et la résolution des images générées.

Valeurs acceptées : consultez Configurer la génération d'images.

Ne s'applique que lorsque vous utilisez des modèles Nano Banana.

Format 1:1 (carré)
Résolution : 1 024 x 1 024
Voix
speechConfig 		Spécifie la voix utilisée pour la sortie audio. Ne s'applique que lorsque vous utilisez des modèles TTS et des modèles Live API.

Obligatoire pour les modèles TTS. 		Puck
Détection de l'activité vocale (VAD)
realtimeInputConfig 		Configure la détection de l'activité vocale (VAD), la gestion des interruptions et la couverture du contexte de tour, ou désactive la VAD automatique.

Valeurs acceptées : consultez Configurer la détection d'activité vocale.

Ne s'applique que lorsque vous utilisez des modèles Live API.

VAD activé

Consultez les valeurs par défaut pour les paramètres individuels.


Autres options pour contrôler la génération de contenu

  • Découvrez comment concevoir des requêtes afin d'influencer le modèle pour qu'il génère des résultats adaptés à vos besoins.
  • Utilisez les paramètres de sécurité pour ajuster la probabilité d'obtenir des réponses pouvant être considérées comme nuisibles, y compris l'incitation à la haine et le contenu à caractère sexuel explicite.
  • Définissez des instructions système pour orienter le comportement du modèle. Cette fonctionnalité est semblable à un préambule que vous ajoutez avant que le modèle ne soit exposé à d'autres instructions de l'utilisateur final.
  • Transmettez un schéma de réponse avec le prompt pour spécifier un schéma de sortie spécifique. Cette fonctionnalité est le plus souvent utilisée pour générer une sortie JSON, mais elle peut également être utilisée pour des tâches de classification (par exemple, lorsque vous souhaitez que le modèle utilise des étiquettes ou des tags spécifiques).