文章中代码仓库

gemini

谷歌推出的 AI 只能模型

• Gemini官网
• Gemini Chat
• Gemini开发者文档
• Gemini SDK

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

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

图片生成

1. 文本生成图片
2. 图片编辑
3. 使用 Imagen 模型生成图片 (需要付费)

生成视频

1. 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)
2. 根据图片生成视频 (需要付费)

结构化输出

1. 结构化输出

文档理解

1. 传递内嵌 PDF 数据
2. 使用 File API 上传 PDF

图片理解

1. 传递内嵌图片数据
2. 使用 File API 上传图片

视频理解

1. YouTuBe

代码执行

1. 生成代码, 并执行代码
2. 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()
}