Sie können ein Gemini Modell bitten, Dokumentdateien (z. B. PDFs und Nur-Text-Dateien) zu analysieren, die Sie entweder inline (base64-codiert) oder über eine URL bereitstellen. Wenn Sie Firebase AI Logic, verwenden, können Sie diese Anfrage direkt aus Ihrer App stellen.
Mit dieser Funktion können Sie beispielsweise Folgendes tun:
- Diagramme, Grafiken und Tabellen in Dokumenten analysieren
- Informationen in strukturierte Ausgabeformate extrahieren
- Fragen zu visuellen und textlichen Inhalten in Dokumenten beantworten
- Dokumente zusammenfassen
- Dokumentinhalte transkribieren (z. B. in HTML), Layouts und Formatierungen beibehalten und in nachgelagerten Anwendungen verwenden (z. B. in RAG-Pipelines)
Zu den Codebeispielen springen Zum Code für gestreamte Antworten springen
|
Weitere Anleitungen mit zusätzlichen Optionen für die Arbeit mit Dokumenten (z. B. PDFs) Strukturierte Ausgabe generieren Wechselseitiger Chat |
Hinweis
|
Klicken Sie auf Ihren Gemini API Anbieter, um anbieterspezifische Inhalte und Code auf dieser Seite aufzurufen. |
Wenn Sie es noch nicht getan haben, folgen Sie der
Anleitung für den Einstieg. Dort wird beschrieben, wie Sie Ihr Firebase-Projekt einrichten, Ihre App mit Firebase verbinden, das SDK hinzufügen,
den Back-End-Dienst für den ausgewählten Gemini API initialisieren und
eine GenerativeModel Instanz erstellen.
Zum Testen und Iterieren Ihrer Prompts empfehlen wir Google AI Studio.
Text aus PDF-Dateien generieren (base64-codiert)
|
Bevor Sie dieses Beispiel ausprobieren, führen Sie die Schritte im Abschnitt
Hinweis dieser Anleitung aus,
um Ihr Projekt und Ihre App einzurichten. In diesem Abschnitt klicken Sie auch auf eine Schaltfläche für den ausgewählten Gemini API Anbieter, damit auf dieser Seite anbieterspezifische Inhalte angezeigt werden. |
Sie können ein Gemini Modell bitten,
Text zu generieren, indem Sie Prompts mit Text und PDFs erstellen. Geben Sie dazu die mimeType und die Datei selbst für jede
Eingabedatei an. Anforderungen und Empfehlungen für Eingabedateien finden Sie
weiter unten auf dieser Seite.
Swift
Sie können
generateContent()
aufrufen, um Text aus multimodalen Eingaben von Text und PDFs zu generieren.
import FirebaseAILogic
// Initialize the Gemini Developer API backend service
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Create a `GenerativeModel` instance with a model that supports your use case
let model = ai.generativeModel(modelName: "gemini-3-flash-preview")
// Provide the PDF as `Data` with the appropriate MIME type
let pdf = try InlineDataPart(data: Data(contentsOf: pdfURL), mimeType: "application/pdf")
// Provide a text prompt to include with the PDF file
let prompt = "Summarize the important results in this report."
// To generate text output, call `generateContent` with the PDF file and text prompt
let response = try await model.generateContent(pdf, prompt)
// Print the generated text, handling the case where it might be nil
print(response.text ?? "No text in response.")
Kotlin
Sie können
generateContent()
aufrufen, um Text aus multimodalen Eingaben von Text und PDFs zu generieren.
// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
val model = Firebase.ai(backend = GenerativeBackend.googleAI())
.generativeModel("gemini-3-flash-preview")
val contentResolver = applicationContext.contentResolver
// Provide the URI for the PDF file you want to send to the model
val inputStream = contentResolver.openInputStream(pdfUri)
if (inputStream != null) { // Check if the PDF file loaded successfully
inputStream.use { stream ->
// Provide a prompt that includes the PDF file specified above and text
val prompt = content {
inlineData(
bytes = stream.readBytes(),
mimeType = "application/pdf" // Specify the appropriate PDF file MIME type
)
text("Summarize the important results in this report.")
}
// To generate text output, call `generateContent` with the prompt
val response = model.generateContent(prompt)
// Log the generated text, handling the case where it might be null
Log.d(TAG, response.text ?: "")
}
} else {
Log.e(TAG, "Error getting input stream for file.")
// Handle the error appropriately
}
Java
Sie können
generateContent()
aufrufen, um Text aus multimodalen Eingaben von Text und PDFs zu generieren.
ListenableFuture zurück.
// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI())
.generativeModel("gemini-3-flash-preview");
// Use the GenerativeModelFutures Java compatibility layer which offers
// support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(ai);
ContentResolver resolver = getApplicationContext().getContentResolver();
// Provide the URI for the PDF file you want to send to the model
try (InputStream stream = resolver.openInputStream(pdfUri)) {
if (stream != null) {
byte[] audioBytes = stream.readAllBytes();
stream.close();
// Provide a prompt that includes the PDF file specified above and text
Content prompt = new Content.Builder()
.addInlineData(audioBytes, "application/pdf") // Specify the appropriate PDF file MIME type
.addText("Summarize the important results in this report.")
.build();
// To generate text output, call `generateContent` with the prompt
ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
@Override
public void onSuccess(GenerateContentResponse result) {
String text = result.getText();
Log.d(TAG, (text == null) ? "" : text);
}
@Override
public void onFailure(Throwable t) {
Log.e(TAG, "Failed to generate a response", t);
}
}, executor);
} else {
Log.e(TAG, "Error getting input stream for file.");
// Handle the error appropriately
}
} catch (IOException e) {
Log.e(TAG, "Failed to read the pdf file", e);
} catch (URISyntaxException e) {
Log.e(TAG, "Invalid pdf file", e);
}
Web
Sie können
generateContent()
aufrufen, um Text aus multimodalen Eingaben von Text und PDFs zu generieren.
import { initializeApp } from "firebase/app";
import { getAI, getGenerativeModel, GoogleAIBackend } from "firebase/ai";
// TODO(developer) Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
// ...
};
// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);
// Initialize the Gemini Developer API backend service
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });
// Create a `GenerativeModel` instance with a model that supports your use case
const model = getGenerativeModel(ai, { model: "gemini-3-flash-preview" });
// Converts a File object to a Part object.
async function fileToGenerativePart(file) {
const base64EncodedDataPromise = new Promise((resolve) => {
const reader = new FileReader();
reader.onloadend = () => resolve(reader.result.split(','));
reader.readAsDataURL(file);
});
return {
inlineData: { data: await base64EncodedDataPromise, mimeType: file.type },
};
}
async function run() {
// Provide a text prompt to include with the PDF file
const prompt = "Summarize the important results in this report.";
// Prepare PDF file for input
const fileInputEl = document.querySelector("input[type=file]");
const pdfPart = await fileToGenerativePart(fileInputEl.files);
// To generate text output, call `generateContent` with the text and PDF file
const result = await model.generateContent([prompt, pdfPart]);
// Log the generated text, handling the case where it might be undefined
console.log(result.response.text() ?? "No text in response.");
}
run();
Dart
Sie können
generateContent()
aufrufen, um Text aus multimodalen Eingaben von Text und PDFs zu generieren.
import 'package:firebase_ai/firebase_ai.dart';
import 'package:firebase_core/firebase_core.dart';
import 'firebase_options.dart';
// Initialize FirebaseApp
await Firebase.initializeApp(
options: DefaultFirebaseOptions.currentPlatform,
);
// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
final model =
FirebaseAI.googleAI().generativeModel(model: 'gemini-3-flash-preview');
// Provide a text prompt to include with the PDF file
final prompt = TextPart("Summarize the important results in this report.");
// Prepare the PDF file for input
final doc = await File('document0.pdf').readAsBytes();
// Provide the PDF file as `Data` with the appropriate PDF file MIME type
final docPart = InlineDataPart('application/pdf', doc);
// To generate text output, call `generateContent` with the text and PDF file
final response = await model.generateContent([
Content.multi([prompt,docPart])
]);
// Print the generated text
print(response.text);
Einheit
Sie können
GenerateContentAsync()
aufrufen, um Text aus multimodalen Eingaben von Text und PDFs zu generieren.
using Firebase;
using Firebase.AI;
// Initialize the Gemini Developer API backend service
var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI());
// Create a `GenerativeModel` instance with a model that supports your use case
var model = ai.GetGenerativeModel(modelName: "gemini-3-flash-preview");
// Provide a text prompt to include with the PDF file
var prompt = ModelContent.Text("Summarize the important results in this report.");
// Provide the PDF file as `data` with the appropriate PDF file MIME type
var doc = ModelContent.InlineData("application/pdf",
System.IO.File.ReadAllBytes(System.IO.Path.Combine(
UnityEngine.Application.streamingAssetsPath, "document0.pdf")));
// To generate text output, call `GenerateContentAsync` with the text and PDF file
var response = await model.GenerateContentAsync(new [] { prompt, doc });
// Print the generated text
UnityEngine.Debug.Log(response.Text ?? "No text in response.");
Informationen zum Auswählen eines Modells , der für Ihren Anwendungsfall und Ihre App geeignet ist
Antwort streamen
|
Bevor Sie dieses Beispiel ausprobieren, führen Sie die Schritte im Abschnitt
Hinweis dieser Anleitung aus,
um Ihr Projekt und Ihre App einzurichten. In diesem Abschnitt klicken Sie auch auf eine Schaltfläche für den ausgewählten Gemini API Anbieter, damit auf dieser Seite anbieterspezifische Inhalte angezeigt werden. |
Sie können schnellere Interaktionen erzielen, indem Sie nicht auf das gesamte Ergebnis der Modellgenerierung warten, sondern Streaming verwenden, um Teilergebnisse zu verarbeiten.
Rufen Sie generateContentStream auf, um die Antwort zu streamen.
Anforderungen und Empfehlungen für Eingabedokumente
Eine als Inline-Daten bereitgestellte Datei wird während der Übertragung in base64 codiert, wodurch die Größe der Anfrage zunimmt. Wenn eine Anfrage zu groß ist, erhalten Sie einen HTTP-Fehler 413.
Auf der Seite Unterstützte Eingabedateien und Anforderungen finden Sie detaillierte Informationen zu folgenden Themen:
- Verschiedene Optionen zum Bereitstellen einer Datei in einer Anfrage (entweder inline oder über die URL oder den URI der Datei)
- Anforderungen und Best Practices für Dokumentdateien
Unterstützte MIME-Typen für Dokumente
Gemini Multimodale Modelle unterstützen die folgenden MIME-Dokumenttypen:
- PDF –
application/pdf - Text –
text/plain
Limits pro Anfrage
PDFs werden als Bilder behandelt, sodass eine einzelne Seite einer PDF-Datei als ein einzelnes Bild behandelt wird. Die Anzahl der Seiten in einem Prompt ist auf die Anzahl der Bilder beschränkt, die die Gemini Multimodal-Modelle unterstützen können.
- Maximale Anzahl von Dateien pro Anfrage: 3.000 Dateien
- Maximale Anzahl von Seiten pro Datei: 1.000 Seiten pro Datei
- Maximale Größe pro Datei: 50 MB pro Datei
Was kannst du sonst noch alles für mich tun?
- Informationen zum Zählen von Tokens, bevor Sie lange Prompts an das Modell senden
- Einrichten Cloud Storage for Firebase , damit Sie große Dateien in Ihre multimodalen Anfragen einbeziehen und eine besser verwaltete Lösung für die Bereitstellung von Dateien in Prompts haben Dateien können Bilder, PDFs, Videos und Audio enthalten.
-
Beginnen Sie mit der Vorbereitung auf die Produktion (siehe die
Checkliste für die Produktion):
- Richten Sie Firebase App Check so früh wie möglich ein, um die Gemini API vor Missbrauch durch nicht autorisierte Clients zu schützen.
- Integrieren Firebase Remote Config , um Werte in Ihrer App (z. B. Modellname) zu aktualisieren, ohne eine neue App -Version zu veröffentlichen.
Andere Funktionen ausprobieren
- Wechselseitige Unterhaltungen (Chat) erstellen.
- Text aus Prompts generieren, die nur Text enthalten.
- Strukturierte Ausgabe (z. B. JSON) generieren aus Text- und multimodalen Prompts.
- Bilder aus Text- und multimodalen Prompts generieren und bearbeiten.
- Mit Tools (z. B. Funktionsaufrufe und Grounding mit der Google Suche) ein Gemini Modell mit anderen Teilen Ihrer App sowie mit externen Systemen und Informationen verbinden
Informationen zum Steuern der Content-Generierung
- Informationen zum Prompt-Design, einschließlich Best Practices, Strategien und Beispiel-Prompts
- Modellparameter konfigurieren wie Temperatur und maximale Anzahl von Ausgabetokens.
- Mit Sicherheitseinstellungen die Wahrscheinlichkeit anpassen, Antworten zu erhalten, die als schädlich angesehen werden könnten.
Weitere Informationen zu den unterstützten Modellen
Informationen zu den für verschiedene Anwendungsfälle verfügbaren Modellen sowie zu ihren Kontingenten und Preisen.Feedback geben zu Ihrer Erfahrung mit Firebase AI Logic