原生格式
Gemini 原生格式
使用 Google Gemini 原生路径与请求体调用 generateContent、streamGenerateContent 与模型查询。
POST
Gemini 原生格式
Gemini 原生格式保留 Google Gemini API 的路径和请求体。适合已有 Gemini SDK、contents/parts 结构或安全设置配置的业务接入。
认证
路径
请求体
对话内容列表。每个内容项包含
role 和 parts。内容片段。支持
text、inlineData、fileData、functionCall、functionResponse 等。视频输入元数据。仅用于同一个
part 中的视频 inlineData 或 fileData,用于控制模型读取视频的时间范围和抽帧频率。支持的字段:startOffset:视频起始偏移,Duration 字符串格式,例如"3s"、"3.5s"。endOffset:视频结束偏移,Duration 字符串格式,例如"10s"。fps:视频抽帧帧率,默认1.0,有效范围为0 < fps <= 24。
part 可以分别设置自己的 videoMetadata。系统级指令(System Prompt)。用于定义模型行为、角色设定、回复风格等。兼容
systemInstruction 和 system_instruction 两种写法。生成配置,用于控制模型输出行为。支持以下字段:
temperature:控制输出随机性,值越高结果越发散。topP:Nucleus Sampling(核采样)概率阈值。topK:仅从概率最高的 K 个 Token 中采样。candidateCount:返回候选结果数量。maxOutputTokens:最大输出 Token 数量。stopSequences:命中指定字符串后停止生成。responseMimeType:指定输出格式,例如text/plain、application/json。responseSchema:JSON Schema 结构化输出约束。presencePenalty:降低重复主题,鼓励新内容生成。frequencyPenalty:降低重复词语或句子。seed:固定随机种子,便于结果复现。responseLogprobs:是否返回 Token 概率信息。logprobs:返回的 Token 概率数量。audioTimestamp:是否返回音频时间戳。speechConfig:语音输出配置(TTS)。thinkingConfig:Gemini Thinking 模型推理配置。
安全策略配置。每项包含
category(风险类别)和 threshold(风险拦截等级)。支持的风险类别:HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_DANGEROUS_CONTENT。Gemini 工具声明列表,用于启用函数调用、搜索、代码执行等能力。支持以下工具类型:
functionDeclarations:Function Calling 函数声明。googleSearch:Google 搜索能力。codeExecution:代码执行能力。urlContext:URL 内容解析能力。retrieval:检索增强生成(RAG)。googleSearchRetrieval:Google 检索增强。
工具调用配置。常用于配置
functionCallingConfig.mode:AUTO(模型自动决定是否调用工具)、ANY(强制调用工具)、NONE(禁止调用工具)。allowedFunctionNames:指定允许调用的函数列表。Gemini Cached Content 标识。用于复用上下文缓存,降低长上下文请求的 Token 消耗与响应延迟。
请求示例
多模态输入
视频输入(带 videoMetadata)
videoMetadata 与视频数据放在同一个 part 中,可用于只分析视频片段或调整抽帧密度。