ใช้การกําหนดค่าโมเดลเพื่อควบคุมคําตอบ

bookmark_border จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ

ในการเรียกใช้แต่ละครั้ง คุณสามารถส่งการกำหนดค่ารูปแบบไปพร้อมกับการเรียกใช้เพื่อควบคุมวิธีที่รูปแบบสร้างคำตอบ โดยแต่ละรุ่นจะมีตัวเลือกการกำหนดค่าที่แตกต่างกัน

คุณสามารถทดลองใช้พรอมต์และการกําหนดค่าโมเดล และทําซ้ำได้อย่างรวดเร็วโดยใช้ Vertex AI Studio

arrow_downward ข้ามไปยังตัวเลือกการกําหนดค่า Gemini arrow_downward ข้ามไปยังตัวเลือกการกําหนดค่า Imagen

กำหนดค่าโมเดล Gemini

ส่วนนี้จะแสดงวิธีตั้งค่าการกําหนดค่าเพื่อใช้กับรูปแบบ Gemini และอธิบายพารามิเตอร์แต่ละรายการ

ตั้งค่าการกําหนดค่ารูปแบบ (Gemini)

การกําหนดค่าสําหรับกรณีการใช้งานทั่วไป

ตั้งค่าพารามิเตอร์ใน GenerationConfig เป็นส่วนหนึ่งของการสร้างอินสแตนซ์ GenerativeModel และการเรียกใช้ generateContent, generateContentStream หรือ startChat

การกำหนดค่าจะคงอยู่ตลอดอายุการใช้งานของอินสแตนซ์ หากต้องการใช้การกําหนดค่าอื่น ให้สร้างอินสแตนซ์ GenerativeModel ใหม่โดยใช้การกําหนดค่านั้น

// ...

// Set parameter values in a `GenerationConfig` (example values shown here)
val config = generationConfig {
    maxOutputTokens = 200
    stopSequences = listOf("red")
    temperature = 0.9f
    topK = 16
    topP = 0.1f
}

// Specify the config as part of creating the `GenerativeModel` instance
val generativeModel = Firebase.vertexAI.generativeModel(
    modelName = "GEMINI_MODEL_NAME",
    generationConfig = config
)

// ...

// ...

// Set parameter values in a `GenerationConfig` (example values shown here)
GenerationConfig.Builder configBuilder = new GenerationConfig.Builder();
configBuilder.maxOutputTokens = 200;
configBuilder.stopSequences = List.of("red");
configBuilder.temperature = 0.9f;
configBuilder.topK = 16;
configBuilder.topP = 0.1f;

GenerationConfig generationConfig = configBuilder.build();

// Specify the config as part of creating the `GenerativeModel` instance
GenerativeModel gm = FirebaseVertexAI.getInstance().generativeModel(
    "GEMINI_MODEL_NAME",
    generationConfig
);

GenerativeModelFutures model = GenerativeModelFutures.from(gm);

// ...

ดูคำอธิบายของพารามิเตอร์แต่ละรายการได้ในส่วนถัดไปของหน้านี้

การกำหนดค่าสำหรับ Gemini Live API

ตั้งค่าพารามิเตอร์ใน LiveGenerationConfig เป็นส่วนหนึ่งของการสร้างอินสแตนซ์ LiveModel

การกำหนดค่าจะคงอยู่ตลอดอายุการใช้งานของอินสแตนซ์ หากต้องการใช้การกําหนดค่าอื่น ให้สร้างอินสแตนซ์ LiveModel ใหม่โดยใช้การกําหนดค่านั้น

// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here)
val config = liveGenerationConfig {
    maxOutputTokens = 200
    responseModality = ResponseModality.AUDIO
    speechConfig = SpeechConfig(voice = Voices.FENRIR)
    temperature = 0.9f
    topK = 16
    topP = 0.1f
}

// Specify the config as part of creating the `LiveModel` instance
val generativeModel = Firebase.vertexAI.liveModel(
    modelName = "gemini-2.0-flash-live-preview-04-09",
    generationConfig = config
)

// ...

// ...

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

configBuilder.setSpeechConfig(new SpeechConfig(Voices.FENRIR));
configBuilder.setTemperature(0.9f);
configBuilder.setTopK(16);
configBuilder.setTopP(0.1f);

LiveGenerationConfig generationConfig = configBuilder.build();

// Specify the config as part of creating the `LiveModel` instance
LiveGenerativeModel gm = FirebaseVertexAI.getInstance().liveModel(
    "gemini-2.0-flash-live-preview-04-09",
    generationConfig
);

LiveModelFutures model = LiveModelFutures.from(gm);

// ...

ดูคำอธิบายของพารามิเตอร์แต่ละรายการได้ในส่วนถัดไปของหน้านี้

คำอธิบายพารามิเตอร์ (Gemini)

ต่อไปนี้เป็นภาพรวมระดับสูงของพารามิเตอร์ที่ใช้ได้ (หากมี) ดูรายการพารามิเตอร์และค่าที่ครอบคลุมได้ในเอกสารประกอบของ Google Cloud

กำหนดค่าโมเดล Imagen

ส่วนนี้จะแสดงวิธีตั้งค่าการกําหนดค่าเพื่อใช้กับรูปแบบ Imagen และอธิบายพารามิเตอร์แต่ละรายการ

ตั้งค่าการกําหนดค่ารูปแบบ (Imagen)

ตั้งค่าพารามิเตอร์ใน ImagenGenerationConfig เป็นส่วนหนึ่งของการสร้างอินสแตนซ์ ImagenModel และการเรียกใช้ generateImages

การกำหนดค่าจะคงอยู่ตลอดอายุการใช้งานของอินสแตนซ์ หากต้องการใช้การกําหนดค่าอื่น ให้สร้างอินสแตนซ์ ImagenModel ใหม่โดยใช้การกําหนดค่านั้น

// ...

// Set parameter values in a `ImagenGenerationConfig` (example values shown here)
val config = ImagenGenerationConfig(
    negativePrompt = "frogs",
    numberOfImages = 2,
    aspectRatio = ImagenAspectRatio.LANDSCAPE_16x9,
    imageFormat = ImagenImageFormat.jpeg(compressionQuality = 100),
    addWatermark = false
)

// Specify the config as part of creating the `ImagenModel` instance
val imagenModel = Firebase.vertexAI.imagenModel(
    modelName = "IMAGEN_MODEL_NAME",
    generationConfig = config
)

// ...

// ...

// Set parameter values in a `ImagenGenerationConfig` (example values shown here)
ImagenGenerationConfig config = new ImagenGenerationConfig.Builder()
    .setNegativePrompt("frogs")
    .setNumberOfImages(2)
    .setAspectRatio(ImagenAspectRatio.LANDSCAPE_16x9)
    .setImageFormat(ImagenImageFormat.jpeg(100))
    .setAddWatermark(false)
    .build();

// Specify the config as part of creating the `ImagenModel` instance
ImagenModel m = FirebaseVertexAI.getInstance().imagenModel(
    "IMAGEN_MODEL_NAME",
    config
);

ImagenModelFutures model = ImagenModelFutures.from(m);

// ...

ดูคำอธิบายของพารามิเตอร์แต่ละรายการได้ในส่วนถัดไปของหน้านี้

คำอธิบายพารามิเตอร์ (Imagen)

ต่อไปนี้เป็นภาพรวมระดับสูงของพารามิเตอร์ที่ใช้ได้ (หากมี) ดูรายการพารามิเตอร์และค่าที่ครอบคลุมได้ในเอกสารประกอบของ Google Cloud

ตัวเลือกอื่นๆ ในการควบคุมการสร้างเนื้อหา

• ดูข้อมูลเพิ่มเติมเกี่ยวกับการออกแบบพรอมต์เพื่อให้คุณควบคุมโมเดลให้สร้างเอาต์พุตที่ตรงกับความต้องการของคุณได้
• ใช้การตั้งค่าความปลอดภัยเพื่อปรับความเป็นไปได้ที่จะได้รับคำตอบที่อาจถือว่ามีอันตราย ซึ่งรวมถึงวาจาสร้างความเกลียดชังและเนื้อหาเกี่ยวกับเรื่องเพศอย่างโจ่งแจ้ง
• ตั้งค่าคำสั่งของระบบเพื่อกำหนดลักษณะการทำงานของโมเดล ฟีเจอร์นี้เปรียบเสมือน "ช่วงนำ" ที่คุณเพิ่มก่อนที่จะแสดงรูปแบบต่อผู้ใช้ปลายทาง
• ส่งสคีมาคำตอบ wraz zพรอมต์เพื่อระบุสคีมาเอาต์พุตที่เฉพาะเจาะจง ฟีเจอร์นี้มักใช้เมื่อสร้างเอาต์พุต JSON แต่สามารถใช้กับงานการจัดประเภทได้ด้วย (เช่น เมื่อคุณต้องการให้โมเดลใช้ป้ายกำกับหรือแท็กที่เฉพาะเจาะจง)