Google Gemini 体验

最新推荐文章于 2025-08-22 09:40:30 发布

太阳上的雨天

最新推荐文章于 2025-08-22 09:40:30 发布

阅读量848

点赞数 21

CC 4.0 BY-SA版权

文章标签： golang ai

本文链接：https://blog.csdn.net/weixin_43713498/article/details/149548644

文章中代码仓库

gemini

谷歌推出的 AI 只能模型

所有模型

模型变体	输入	输出	优化目标
Gemini 2.5 Pro `gemini-2.5-pro`	音频、图片、视频、文本和 PDF	文本	增强的思考和推理能力、多模态理解能力、高级编码能力等
Gemini 2.5 Flash `gemini-2.5-flash`	音频、图片、视频和文本	文本	适应性思维，成本效益
Gemini 2.5 Flash-Lite 预览版 `gemini-2.5-flash-lite-preview-06-17`	文本、图片、视频、音频	文本	最具成本效益且支持高吞吐量的模型
Gemini 2.5 Flash 原生音频 `gemini-2.5-flash-preview-native-audio-dialog` & `gemini-2.5-flash-exp-native-audio-thinking-dialog`	音频、视频和文本	文本和音频，交错显示	高质量、自然的对话式音频输出，无论是否经过思考
Gemini 2.5 Flash 预览版 TTS `gemini-2.5-flash-preview-tts`	文本	音频	低延迟、可控的单语音和多语音文字转语音音频生成
Gemini 2.5 Pro 预览版 TTS `gemini-2.5-pro-preview-tts`	文本	音频	低延迟、可控的单语音和多语音文字转语音音频生成
Gemini 2.0 Flash `gemini-2.0-flash`	音频、图片、视频和文本	文本	新一代功能、速度和实时流式传输。
Gemini 2.0 Flash 预览版图片生成 `gemini-2.0-flash-preview-image-generation`	音频、图片、视频和文本	文字、图片	对话式图片生成和编辑
Gemini 2.0 Flash-Lite `gemini-2.0-flash-lite`	音频、图片、视频和文本	文本	成本效益和低延迟
Gemini 1.5 Flash `gemini-1.5-flash`	音频、图片、视频和文本	文本	在各种任务中提供快速而多样的性能已弃用
Gemini 1.5 Flash-8B `gemini-1.5-flash-8b`	音频、图片、视频和文本	文本	量大且智能程度较低的任务已弃用
Gemini 1.5 Pro `gemini-1.5-pro`	音频、图片、视频和文本	文本	需要更高智能的复杂推理任务已弃用
Gemini Embedding `gemini-embedding-001`	文本	文本嵌入	衡量文本字符串的相关性
Imagen 4 `imagen-4.0-generate-preview-06-06` `imagen-4.0-ultra-generate-preview-06-06`	文本	图片	我们最新的图片生成模型
Imagen 3 `imagen-3.0-generate-002`	文本	图片	高质量图片生成模型
Veo 3 预览版 `veo-3.0-generate-preview`	文本	带音频的视频	生成包含音效、环境噪音和对话的高品质视频
Veo 2 `veo-2.0-generate-001`	文字、图片	视频	高质量视频生成
Gemini 2.5 Flash Live `gemini-live-2.5-flash-preview`	音频、视频和文本	文字、音频	低延迟的双向语音和视频互动
Gemini 2.0 Flash Live `gemini-2.0-flash-live-001`	音频、视频和文本	文字、音频	低延迟的双向语音和视频互动

引入SDK

go get google.golang.org/genai

设置GEMINI API KEY 环境变量

export GEMINI_API_KEY="your-api-key"

示例

文本生成

单个文本输入
思考功能
系统指令来引导 Gemini 模型的行为
借助 GenerateContentConfig 对象, 替换默认生成参数
多模态输入，将文本与媒体文件组合使用
流式响应
多轮对话
流式响应多轮对话

图片生成

文本生成图片
图片编辑
使用 Imagen 模型生成图片 (需要付费)

生成视频

使用 Veo 3 生成视频 (要使用此模式，请确保您的帐户具有活动的GCP计费)
根据图片生成视频 (需要付费)

结构化输出

结构化输出

文档理解

传递内嵌 PDF 数据
使用 File API 上传 PDF

图片理解

传递内嵌图片数据
使用 File API 上传图片

视频理解

YouTuBe

代码执行

生成代码, 并执行代码
在对话中使用代码执行

func main() {

	// 文本生成
	text.TexGen()
	text.TexGenThinking()
	text.TexGenCli()
	text.TexGenDefaultConfig()
	text.TexGenMultiModal()
	text.TexGenStream()
	text.TexMultipleRoundsOfDialogue()
	text.TexGenStreamMultipleRoundsOfDialogue()

	// 图片生成
	photo.PhoGen()
	photo.PhoEdit()
	photo.ImaGen40GeneratePreview0606()

	// 生成视频
	voe3.VeoGen()
	voe3.ImageGenVideo()

	// 结构化输出
	format.FormatToJson()

	// 代码执行
	coding.EnableCodingExec()
	coding.DialogCodingExec()

	// 文档理解
	docs.InnerDoc()
	docs.UploadFileApi()

	// 图片理解
	photo.PhoInnerRead()
	photo.PhoFileApi()

	// 视频理解
	video.YouTuBe()
}