跳到主要内容

Gemini 原生格式（对话与多模态）

Gemini 原生接口使用 contents 表示对话内容，支持文本、图片、PDF、音频和视频等多模态 Part。请求路径使用 :generateContent；需要流式输出时，将操作名改为 :streamGenerateContent 并按 Gemini 的 SSE 约定读取事件。

请求​

POST /v1beta/models/{model}:generateContent
Content-Type: application/json
x-goog-api-key: sk-your-api-key

平台也可能允许使用 Bearer Token，具体以部署的 Gemini 渠道配置为准。不要把 Gemini 请求体直接发送到 /v1/chat/completions。

文本对话示例​

curl -X POST "https://www.walmind.cn/v1beta/models/your-gemini-model:generateContent" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $API_KEY" \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [{"text": "解释一下向量数据库。"}]
      }
    ],
    "generationConfig": {
      "temperature": 0.7,
      "maxOutputTokens": 512
    }
  }'

多模态输入​

媒体可以通过 inlineData 直接携带 Base64，也可以通过 fileData.fileUri 提供可访问的文件地址：

{
  "contents": [
    {
      "role": "user",
      "parts": [
        {"text": "概括这张图片。"},
        {
          "inlineData": {
            "mimeType": "image/jpeg",
            "data": "<base64-data>"
          }
        }
      ]
    }
  ]
}

使用公开 URL 时应确认上游渠道能够访问该地址。Base64 会增加请求体积，文件较大时应优先使用渠道支持的文件 URI。

响应示例​

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [{"text": "向量数据库用于存储和检索向量表示。"}]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 18,
    "candidatesTokenCount": 16,
    "totalTokenCount": 34
  }
}

常用字段​

字段类型说明
contentsarray对话内容，必填
contents[].partsarray文本或媒体 Part，必填
systemInstructionobject系统指令
generationConfigobject温度、输出长度、候选数量等生成参数
safetySettingsarray安全策略配置
toolsarray工具或函数声明

模型名称、媒体类型和可用参数由当前 Gemini 渠道决定。需要 OpenAI SDK 的项目应改用 Chat Completions 格式，不要混用两套字段。