Pengguna dapat mengirim parameter contents
yang sama dengan yang mereka gunakan dengan permintaan inferensi Gemini API.
Model yang Didukung:
- Gemini 1.0 Pro
- gemini-1.0-pro
- gemini-1.0-pro-001
- gemini-1.0-pro-002
- Gemini 1.0 Pro Vision
- gemini-1.0-pro-vision
- gemini-1.0-pro-vision-001
- Gemini 1.0 Ultra
- gemini-1,0-ultra
- gemini-1.0-ultra-001
- Gemini 1.0 Ultra Vision
- gemini-1.0-ultra-vision
- gemini-1.0-ultra-vision-001
- Gemini 1.5 Pro
- gemini-1.5-pro-preview-0409
- Eksperimental Gemini
- gemini-eksperimental
Batasan:
gemini-1.0-pro-vision-001
dangemini-1.0-ultra-vision-001
menggunakan token dengan jumlah tetap untuk input video
Sintaksis
- ID_PROJECT =
PROJECT_ID
- WILAYAH =
REGION
- MODEL_ID =
MODEL_ID
curl
https://${REGION}-aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/${REGION}/publishers/google/models/${MODEL_ID}:countTokens \ -d '{ "contents": [{ ... }] }'
Python
gemini_model = GenerativeModel(MODEL_ID) model_response = gemini_model.count_tokens([...])
Daftar parameter
Class ini terdiri dari dua properti utama: role
dan parts
. Properti role
menunjukkan individu yang membuat konten, sedangkan properti parts
berisi beberapa elemen, yang masing-masing merepresentasikan segmen data dalam
pesan.
Parameter | |
---|---|
|
Opsional: Identitas entity yang membuat pesan. Setel string ke salah satu nilai berikut:
Nilai Untuk percakapan non-giliran banyak giliran, kolom ini dapat dibiarkan kosong atau tidak ditetapkan. |
|
Daftar bagian yang diurutkan yang membentuk satu pesan. Bagian yang berbeda mungkin memiliki jenis MIME IANA yang berbeda. |
Bagian
Parameter | |
---|---|
|
Opsional: Dialog teks atau cuplikan kode. |
|
Opsional: Data inline dalam byte mentah. |
|
Opsional: Data yang disimpan dalam file. |
Blob
Parameter | |
---|---|
|
Jenis MIME IANA untuk data. |
|
Byte mentah. |
FileData
Parameter | |
---|---|
|
Jenis MIME IANA untuk data. |
|
URI Cloud Storage ke file yang menyimpan data |
Contoh
- ID_PROJECT =
PROJECT_ID
- WILAYAH =
REGION
- MODEL_ID =
MODEL_ID
Kasus Penggunaan Dasar
Contoh ini menunjukkan penggunaan dengan satu perintah teks.
curl
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ https://${REGION}-aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/${REGION}/publishers/google/models/${MODEL_ID}:countTokens \ -d '{ "contents": [{ "role": "user", "parts": [{ "text": "Write a story about a magic backpack." }] }] }'
Python
import vertexai from vertexai.generative_models import GenerativeModel vertexai.init(project=PROJECT_ID, location=REGION) gemini_model = GenerativeModel(MODEL_ID) model_response = gemini_model.count_tokens("Write a story about a magic backpack.") print(model_response)
Kasus Penggunaan Lanjutan
Contoh ini menampilkan penggunaan media dalam satu perintah
curl
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ https://${REGION}-aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/${REGION}/publishers/google/models/${MODEL_ID}:countTokens \ -d '{ "contents": [{ "role": "user", "parts": [ { "file_data": { "file_uri": "gs://cloud-samples-data/generative-ai/video/pixel8.mp4", "mime_type": "video/mp4" } }, { "text": "Provide a description of the video." } ] }] }'
Python
import vertexai from vertexai.generative_models import GenerativeModel, Part vertexai.init(project=PROJECT_ID, location=REGION) contents = [ Part.from_uri( "gs://cloud-samples-data/generative-ai/video/pixel8.mp4", mime_type="video/mp4" ), "Provide a description of the video.", ] gemini_model = GenerativeModel(MODEL_ID) model_response = gemini_model.count_tokens(contents) print(model_response)
Jelajahi lebih lanjut
Untuk dokumentasi mendetail, lihat berikut ini: