در هر فراخوانی به یک مدل، میتوانید پیکربندی مدل را برای کنترل نحوه تولید پاسخ توسط مدل ارسال کنید. هر مدل از گزینههای پیکربندی مختلفی مانند تنظیم maxOutputTokens یا پیکربندیهای تخصصی برای تفکر، روشهای پاسخ، تصاویر یا گفتار پشتیبانی میکند.
در اکثر موارد استفاده هنگام دسترسی به یک مدل Gemini ، شما مدل را با استفاده GenerationConfig پیکربندی میکنید. با این حال، اگر در حال پیکربندی یک مدل Gemini Live API هستید، از LiveGenerationConfig استفاده میکنید.
این صفحه نحوه تنظیم پیکربندی مدلهای Gemini را نشان میدهد و توضیحی در مورد هر پارامتر ارائه میدهد.
پرش به پیکربندی Gemini پرش به پیکربندی Gemini Live API
GenerationConfig برای مدلهای Geminiبرای مشاهده محتوا و کد مخصوص ارائهدهنده در این صفحه، روی ارائهدهنده API Gemini خود کلیک کنید. |
برای اکثر مدلهای Gemini ، شامل مدلهای عمومی، مدلهای تولید تصویر (مدلهای "نانو موز") و مدلهای تبدیل متن به گفتار (TTS)، یک GenerationConfig تنظیم کنید.
این پیکربندی در طول عمر نمونه GenerativeModel حفظ میشود. اگر میخواهید از پیکربندی متفاوتی استفاده کنید، یک نمونه جدید با پیکربندی متفاوت ایجاد و استفاده کنید.
مقادیر پارامترها را در GenerationConfig به عنوان بخشی از ایجاد یک نمونه GenerativeModel تنظیم کنید.
g: config
)
// ...
import FirebaseAILogic
// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
let config = GenerationConfig(
candidateCount: 1,
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
)
// ...
مقادیر پارامترها را در GenerationConfig به عنوان بخشی از ایجاد یک نمونه GenerativeModel تنظیم کنید.
= config
)
// ...
// ...
// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
val config = generationConfig {
candidateCount = 1
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
)
// ...
مقادیر پارامترها را در GenerationConfig به عنوان بخشی از ایجاد یک نمونه GenerativeModel تنظیم کنید.
);
);
// ...
// ...
// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
GenerationConfig.Builder configBuilder = new GenerationConfig.Builder();
configBuilder.candidateCount = 1;
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
);
);
// ...
مقادیر پارامترها را در GenerationConfig به عنوان بخشی از ایجاد یک نمونه GenerativeModel تنظیم کنید.
nConfig });
// ...
// ...
// 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.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
const generationConfig = {
candidate_count: 1,
maxOutputTokens: 200,
stopSequences: ["red"],
};
// Specify the config as part of creating the `GenerativeModel` instance.
const model = getGenerativeModel(ai, { model: "GEMINI_MODEL_NAME", generationConfig });
// ...
مقادیر پارامترها را در GenerationConfig به عنوان بخشی از ایجاد یک نمونه GenerativeModel تنظیم کنید.
onfig,
);
// ...
// ...
// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
final generationConfig = GenerationConfig(
candidateCount: 1,
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',
config: generationConfig,
);
// ...
مقادیر پارامترها را در GenerationConfig به عنوان بخشی از ایجاد یک نمونه GenerativeModel تنظیم کنید.
generationConfig
);
// ...
// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
var generationConfig = new GenerationConfig(
candidateCount: 1,
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
);
میتوانید توضیحات مربوط به هر پارامتر را در بخش بعدی این صفحه بیابید.
شما میتوانید با استفاده از Google AI Studio با دستورات و پیکربندیهای مدل آزمایش کنید.LiveGenerationConfig برای مدلهای Gemini Live APIبرای مشاهده محتوا و کد مخصوص ارائهدهنده در این صفحه، روی ارائهدهنده API Gemini خود کلیک کنید. |
فقط هنگام استفاده از مدلهای Gemini Live API LiveGenerationConfig را تنظیم کنید.
این پیکربندی در طول عمر نمونه LiveModel حفظ میشود. اگر میخواهید از پیکربندی متفاوتی استفاده کنید، یک نمونه جدید با پیکربندی متفاوت ایجاد و استفاده کنید.
مقادیر پارامترها را در liveGenerationConfig هنگام مقداردهی اولیه نمونه LiveModel تنظیم کنید:
ationConfig: config
)
// ...
// ...
// 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
)
// ...
مقادیر پارامترها را در LiveGenerationConfig به عنوان بخشی از ایجاد یک نمونه LiveModel تنظیم کنید.
= config
)
// ...
// ...
// Set parameter values in a `LiveGenerationConfig` (example values shown here).
val config = liveGenerationConfig {
maxOutputTokens = 200
responseModality = ResponseModality.AUDIO
speechConfig = SpeechConfig(voice = Voices.FENRIR)
}
// Specify the config as part of creating the `LiveModel` instance.
val liveModel = Firebase.ai(backend = GenerativeBackend.agentPlatform()).liveModel(
modelName = "GEMINI_LIVE_MODEL_NAME",
generationConfig = config
)
// ...
مقادیر پارامترها را در LiveGenerationConfig به عنوان بخشی از ایجاد یک نمونه LiveModel تنظیم کنید.
config
);
// ...
// ...
// 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(Voices.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
);
// ...
مقادیر پارامترها را در LiveGenerationConfig هنگام مقداردهی اولیه نمونه LiveGenerativeModel تنظیم کنید:
GenerationConfig,
});
// ...
// ...
// 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,
});
// ...
مقادیر پارامترها را در LiveGenerationConfig به عنوان بخشی از ایجاد یک نمونه LiveGenerativeModel تنظیم کنید.
fig: config,
);
// ...
// ...
// 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,
);
// ...
مقادیر پارامترها را در LiveGenerationConfig به عنوان بخشی از ایجاد یک نمونه LiveModel تنظیم کنید.
tionConfig: config
);
// ...
// ...
// 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
);
// ...
میتوانید توضیحات مربوط به هر پارامتر را در بخش بعدی این صفحه بیابید.
شما میتوانید با استفاده از Google AI Studio با دستورات و پیکربندیهای مدل آزمایش کنید.جدول زیر نمای کلی از پارامترهای موجود را نشان میدهد. برخی از پارامترها فقط برای مدلهای خاصی قابل استفاده هستند.
توجه داشته باشید که دما، top-K و top-P منسوخ شده و توسط جدیدترین مدلهای Gemini نادیده گرفته میشوند.
| پارامتر | توضیحات | محدودیتها | مقدار پیشفرض |
|---|---|---|---|
مهر زمانی صوتیaudioTimestamp | قابلیت درک مهر زمانی را برای فایلهای ورودی فقط صوتی فعال میکند. | بولی فقط در صورت استفاده از پیکربندی | false |
تعداد کاندیداهاcandidateCount | تعداد تغییرات پاسخ برای بازگشت را مشخص میکند. برای هر درخواست، هزینه توکنهای خروجی همه کاندیداها از شما دریافت میشود، اما برای توکنهای ورودی فقط یک بار هزینه دریافت میشود. | مقادیر پشتیبانی شده: فقط هنگام استفاده از هنگام استفاده از مدلهای | 1 |
حداکثر توکنهای خروجیmaxOutputTokens | حداکثر تعداد توکنهایی که میتوانند در پاسخ تولید شوند را مشخص میکند. | --- | --- |
جریمه فرکانسfrequencyPenalty | احتمال گنجاندن توکنهایی که مکرراً در پاسخ تولید شده ظاهر میشوند را کنترل میکند. مقادیر مثبت، توکنهایی را که مکرراً در محتوای تولید شده ظاهر میشوند، جریمه میکنند و احتمال تکرار محتوا را کاهش میدهند. | برای مدلهای TTS قابل استفاده نیست. | --- |
جریمه حضورpresencePenalty | احتمال گنجاندن توکنهایی که از قبل در پاسخ تولید شده ظاهر شدهاند را کنترل میکند. مقادیر مثبت، توکنهایی را که از قبل در محتوای تولید شده ظاهر میشوند، جریمه میکنند و احتمال تولید محتوای متنوعتر را افزایش میدهند. | برای مدلهای TTS قابل استفاده نیست. | --- |
توالیهای توقفstopSequences | لیستی از رشتهها را مشخص میکند که به مدل میگوید در صورت مواجهه با یکی از رشتهها در پاسخ، تولید محتوا را متوقف کند. | فقط هنگام استفاده از پیکربندی برای مدلهای TTS قابل استفاده نیست. | --- |
| پیکربندیهای تخصصی | |||
تفکرthinkingConfig | «فرآیند تفکر» مدلها را هنگام تولید پاسخ کنترل میکند.
| مقادیر پشتیبانیشده: به مستندات تفکر مراجعه کنید برای مدلهای TTS قابل استفاده نیست. منطق هوش مصنوعی فایربیس هنوز از تنظیم | بستگی به مدل دارد |
روشهای پاسخدهیresponseModalities | نوع خروجی (مانند متن، صدا یا تصویر) را مشخص میکند. | فقط هنگام استفاده از مدلهای تصویر Gemini (مدلهای "نانو موز")، مدلهای TTS و مدلهای Live API قابل اجرا (و الزامی ) است. | --- |
ویژگیهای تصویرimageConfig | نسبت ابعاد و وضوح تصاویر تولید شده را مشخص میکند. | مقادیر پشتیبانیشده: به پیکربندی تولید تصویر مراجعه کنید فقط هنگام استفاده از مدلهای Gemini Image (مدلهای "نانو موز") قابل اجرا است. | نسبت ابعاد ۱:۱ (مربعی) وضوح تصویر ۱۰۲۴x۱۰۲۴ |
گفتار (صدا)speechConfig | صدای مورد استفاده برای خروجی صدا را مشخص میکند. | فقط هنگام استفاده از مدلهای TTS و مدلهای Live API قابل اجرا است. برای مدلهای TTS مورد نیاز است. | Puck |
پارامترهای temperature ، topK و topP منسوخ شدهاند و توسط مدلهای gemini-3.7-flash ، gemini-3.6-flash و gemini-3.5-flash-lite نادیده گرفته میشوند. برای پاسخهای قطعیتر، دستورالعملهای سیستم را با قوانین صریح برای مورد استفاده خاص خود تعریف کنید.
| پارامتر | توضیحات | مقدار پیشفرض |
|---|---|---|
دماtemperature | میزان تصادفی بودن پاسخ را کنترل میکند. دماهای پایینتر منجر به پاسخهای قطعیتر و دماهای بالاتر منجر به پاسخهای متنوعتر یا خلاقانهتر میشوند. | بستگی به مدل دارد |
تاپ-کیtopK | تعداد کلمات با بالاترین احتمال استفاده شده در محتوای تولید شده را محدود میکند. مقدار top-K برابر با 1 به این معنی است که توکن انتخاب شده بعدی باید محتملترین در میان تمام توکنهای موجود در واژگان مدل باشد، در حالی که مقدار top-K برابر با n به این معنی است که توکن بعدی باید از میان n توکن محتملتر انتخاب شود (همه بر اساس دمای تنظیم شده). | بستگی به مدل دارد |
تاپ-پیtopP | تنوع محتوای تولید شده را کنترل میکند. توکنها از محتملترین (به K بالا در بالا مراجعه کنید) تا کماحتمالترین انتخاب میشوند تا زمانی که مجموع احتمالات آنها برابر با مقدار P بالا شود. | بستگی به مدل دارد |
برای مشاهده محتوا و کد مخصوص ارائهدهنده در این صفحه، روی ارائهدهنده Imagen API خود کلیک کنید. |
این بخش به شما نشان میدهد که چگونه یک پیکربندی برای استفاده با مدلهای Imagen تنظیم کنید و توضیحی در مورد هر پارامتر ارائه میدهد.