Gemini Developer API

Gemini Developer API, Google'ın Gemini modellerine erişmenizi sağlar. Bu sayede, Android uygulamalarınıza son teknoloji üretken yapay zeka özellikleri ekleyebilirsiniz. Bu özellikler arasında etkileşimli sohbet, görüntü üretme (Nano Banana ile) ve metin, görüntü, ses ve video girişine dayalı metin oluşturma yer alır.

Gemini Pro ve Flash modellerine erişmek için Firebase AI Logic ile Gemini Developer API'yi kullanabilirsiniz. Kredi kartı gibi bir ödeme yöntemi gerektirmeden kullanmaya başlamanıza olanak tanır ve cömert bir ücretsiz katman sunar. Entegrasyonunuzu küçük bir kullanıcı tabanıyla doğruladıktan sonra ücretli katmana geçerek ölçeklendirebilirsiniz.

Buluttaki Firebase arka ucuna istek göndermek için Firebase Android SDK'sını kullanan bir Android uygulamasını gösteren görsel. İstekler, hem Gemini Pro hem de Flash modellerinden yararlanabilen Gemini Developer API'ye yönlendirilir.
Şekil 1. Firebase AI Logic entegrasyon mimarisi ile Gemini Developer API'ye erişim.

Başlarken

Gemini API ile doğrudan uygulamanızdan etkileşim kurmadan önce istem oluşturma hakkında bilgi edinmek, Firebase'i ve uygulamanızı SDK'yı kullanacak şekilde ayarlamak gibi birkaç işlem yapmanız gerekir.

İstemlerle denemeler yapma

İstemlerle denemeler yapmak, Android uygulamanız için en iyi ifadeyi, içeriği ve biçimi bulmanıza yardımcı olabilir. Google AI Studio, uygulamanızın kullanım alanları için istemlerin prototipini oluşturmak ve tasarlamak amacıyla kullanabileceğiniz bir entegre geliştirme ortamıdır (IDE).

Kullanım alanınız için etkili istemler oluşturmak, sürecin kritik bir parçası olan kapsamlı denemeler yapmayı gerektirir. İstem oluşturma hakkında daha fazla bilgiyi Firebase belgelerinde bulabilirsiniz.

İsteminizi tamamladıktan sonra kodunuza ekleyebileceğiniz kod snippet'lerini almak için <> düğmesini tıklayın.

Firebase projesi oluşturma ve uygulamanızı Firebase'e bağlama

Uygulamanızdan API'yi çağırmaya hazır olduğunuzda Firebase AI Logic başlangıç kılavuzunun "1. adım" bölümündeki talimatları uygulayarak Firebase'i kurun ve gerekli API'ler ile hizmetleri etkinleştirin.

Gradle bağımlılıklarını ekleme

Uygulama modülünüze aşağıdaki Gradle bağımlılıklarını ekleyin:

Kotlin

dependencies {
  // ... other androidx dependencies

  // Import the BoM for the Firebase platform
  implementation(platform("com.google.firebase:firebase-bom:35.1.0"))

  // Add the dependencies for the Firebase AI Logic and App Check libraries
  // When using the BoM, you don't specify versions in Firebase library dependencies
  implementation("com.google.firebase:firebase-ai")
  implementation("com.google.firebase:firebase-appcheck-debug")
}

Java

dependencies {
  // Import the BoM for the Firebase platform
  implementation(platform("com.google.firebase:firebase-bom:35.1.0"))

  // Add the dependencies for the Firebase AI Logic and App Check libraries
  // When using the BoM, you don't specify versions in Firebase library dependencies
  implementation("com.google.firebase:firebase-ai")
  implementation("com.google.firebase:firebase-appcheck-debug")

  // Required for one-shot operations (to use `ListenableFuture` from Guava Android)
  implementation("com.google.guava:guava:31.0.1-android")

  // Required for streaming operations (to use `Publisher` from Reactive Streams)
  implementation("org.reactivestreams:reactive-streams:1.0.4")
}

Yerel geliştirme için Uygulama Kontrolü hata ayıklama sağlayıcısını yapılandırma

Temmuz 2026'nın başlarından itibaren, Firebase Console'da AI Logic için rehberli kurulum iş akışı kapsamında, Gemini API'yi korumak için Firebase Uygulama Kontrolü otomatik olarak zorunlu kılınacak. Yerel geliştirme için Uygulama Kontrolü'nün yaptırımını sürdürürken onayı atlamak üzere Uygulama Kontrolü hata ayıklama sağlayıcısını yapılandırmanız gerekir.

  1. Hata ayıklama derlemenizde, Uygulama Kontrolü'nü hata ayıklama sağlayıcı fabrikasını kullanacak şekilde yapılandırın:

    Kotlin

    Firebase.initialize(context = this)
    Firebase.appCheck.installAppCheckProviderFactory(
        DebugAppCheckProviderFactory.getInstance(),
    )
    

    Java

    FirebaseApp.initializeApp(/*context=*/ this);
    FirebaseAppCheck firebaseAppCheck = FirebaseAppCheck.getInstance();
    firebaseAppCheck.installAppCheckProviderFactory(
            DebugAppCheckProviderFactory.getInstance());
    
  2. Hata ayıklama jetonunuzu alın:

    1. Uygulamanızı emülatörde veya test cihazınızda çalıştırın.

    2. Günlüklerinizde Uygulama Kontrolü hata ayıklama jetonunu bulun. Örneğin:

      D DebugAppCheckProvider: Enter this debug secret into the allow list
      in the Firebase Console for your project: 123a4567-b89c-12d3-e456-789012345678
      
    3. Jetonu (ör. 123a4567-b89c-12d3-e456-789012345678) kopyalayın.

  3. Hata ayıklama jetonunuzu Uygulama Kontrolü'ne kaydetme:

    1. Firebase konsolunda Güvenlik > Uygulama Kontrolü > Uygulamalar sekmesine gidin.

    2. Uygulamanızı bulun, taşma menüsünü () tıklayın ve ardından Hata ayıklama jetonlarını yönet'i seçin.

    3. Hata ayıklama jetonunuzu kaydetmek için ekrandaki talimatları uygulayın.

Hata ayıklama sağlayıcısı hakkında ayrıntılı bilgi (yeni bir hata ayıklama jetonunun nasıl alınacağı dahil) için resmi Uygulama Kontrolü belgelerine göz atın.

Üretken modeli başlatma

GenerativeModel örneği oluşturup model adını belirterek başlayın:

Kotlin

// Start by instantiating a GenerativeModel and specifying the model name:
val model = Firebase.ai(backend = GenerativeBackend.googleAI())
    .generativeModel("gemini-3.5-flash")

Java

GenerativeModel firebaseAI = FirebaseAI.getInstance(GenerativeBackend.googleAI())
        .generativeModel("gemini-3.5-flash");

GenerativeModelFutures model = GenerativeModelFutures.from(firebaseAI);

Gemini Developer API ile kullanılabilen modeller hakkında daha fazla bilgi edinin. Model parametrelerini yapılandırma hakkında daha fazla bilgi edinebilirsiniz.

Uygulamanızdan Gemini Developer API ile etkileşim kurma

Firebase'i ve uygulamanızı SDK'yı kullanacak şekilde ayarladığınıza göre artık uygulamanızdan Gemini Developer API ile etkileşim kurmaya hazırsınız.

Metin oluşturun

Metin yanıtı oluşturmak için isteminizle birlikte generateContent() yöntemini çağırın.

Kotlin

scope.launch {
    val response = model.generateContent("Write a story about a magic backpack.")
}

Java

Content prompt = new Content.Builder()
        .addText("Write a story about a magic backpack.")
        .build();

ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        String resultText = result.getText();
    }

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Resimlerden ve diğer medyalardan metin oluşturma

Metin ve resimler ya da başka medya öğeleri içeren bir istemden de metin üretebilirsiniz. generateContent() yöntemini çağırırken medyayı satır içi veri olarak iletebilirsiniz.

Örneğin, bit eşlem kullanmak için image içerik türünü kullanın:

Kotlin

scope.launch {
    val response = model.generateContent(
        content {
            image(bitmap)
            text("what is the object in the picture?")
        }
    )
}

Java

Content content = new Content.Builder()
        .addImage(bitmap)
        .addText("what is the object in the picture?")
        .build();

ListenableFuture<GenerateContentResponse> response = model.generateContent(content);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        String resultText = result.getText();
    }

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Ses dosyası iletmek için inlineData içerik türünü kullanın:

Kotlin

scope.launch {
    val contentResolver = applicationContext.contentResolver
    contentResolver.openInputStream(audioUri).use { stream ->
        stream?.let {
            val bytes = it.readBytes()

            val prompt = content {
                inlineData(bytes, "audio/mpeg") // Specify the appropriate audio MIME type
                text("Transcribe this audio recording.")
            }

            val response = model.generateContent(prompt)
        }
    }
}

Java

ContentResolver resolver = applicationContext.getContentResolver();

try (InputStream stream = resolver.openInputStream(audioUri)) {
    File audioFile = new File(new URI(audioUri.toString()));
    int audioSize = (int) audioFile.length();
    byte[] audioBytes = new byte[audioSize];
    if (stream != null) {
        stream.read(audioBytes, 0, audioBytes.length);
        stream.close();

        // Provide a prompt that includes audio specified earlier and text
        Content prompt = new Content.Builder()
                .addInlineData(audioBytes, "audio/mpeg")  // Specify the appropriate audio MIME type
                .addText("Transcribe what's said in this audio recording.")
                .build();

        // To generate text output, call `generateContent` with the prompt
        ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
        Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
            @Override
            public void onSuccess(GenerateContentResponse result) {
                String text = result.getText();
                Log.d(TAG, (text == null) ? "" : text);
            }
            @Override
            public void onFailure(Throwable t) {
                Log.e(TAG, "Failed to generate a response", t);
            }
        }, executor);
    } else {
        Log.e(TAG, "Error getting input stream for file.");
        // Handle the error appropriately
    }
} catch (IOException e) {
    Log.e(TAG, "Failed to read the audio file", e);
} catch (URISyntaxException e) {
    Log.e(TAG, "Invalid audio file", e);
}

Video dosyası sağlamak için inlineData içerik türünü kullanmaya devam edin:

Kotlin

scope.launch {
    val contentResolver = applicationContext.contentResolver
    contentResolver.openInputStream(videoUri).use { stream ->
        stream?.let {
            val bytes = it.readBytes()

            val prompt = content {
                inlineData(bytes, "video/mp4") // Specify the appropriate video MIME type
                text("Describe the content of this video")
            }

            val response = model.generateContent(prompt)
        }
    }
}

Java

ContentResolver resolver = applicationContext.getContentResolver();

try (InputStream stream = resolver.openInputStream(videoUri)) {
    File videoFile = new File(new URI(videoUri.toString()));
    int videoSize = (int) videoFile.length();
    byte[] videoBytes = new byte[videoSize];
    if (stream != null) {
        stream.read(videoBytes, 0, videoBytes.length);
        stream.close();

        // Provide a prompt that includes video specified earlier and text
        Content prompt = new Content.Builder()
                .addInlineData(videoBytes, "video/mp4")
                .addText("Describe the content of this video")
                .build();

        // To generate text output, call generateContent with the prompt
        ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
        Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
            @Override
            public void onSuccess(GenerateContentResponse result) {
                String resultText = result.getText();
                System.out.println(resultText);
            }

            @Override
            public void onFailure(Throwable t) {
                t.printStackTrace();
            }
        }, executor);
    }
} catch (IOException e) {
    e.printStackTrace();
} catch (URISyntaxException e) {
    e.printStackTrace();
}

Benzer şekilde, PDF (application/pdf) ve düz metin (text/plain) dokümanlarını da ilgili MIME türlerini parametre olarak ileterek gönderebilirsiniz.

Çok adımlı sohbet

Çok adımlı sohbetleri de destekleyebilirsiniz. startChat() işleviyle bir sohbet başlatın. İsteğe bağlı olarak modele mesaj geçmişi sağlayabilirsiniz. Ardından, sohbet mesajları göndermek için sendMessage() işlevini çağırın.

Kotlin

val chat = model.startChat(
    history = listOf(
        content(role = "user") { text("Hello, I have 2 dogs in my house.") },
        content(role = "model") { text("Great to meet you. What would you like to know?") }
    )
)

scope.launch {
    val response = chat.sendMessage("How many paws are in my house?")
}

Java

Content.Builder userContentBuilder = new Content.Builder();
userContentBuilder.setRole("user");
userContentBuilder.addText("Hello, I have 2 dogs in my house.");
Content userContent = userContentBuilder.build();

Content.Builder modelContentBuilder = new Content.Builder();
modelContentBuilder.setRole("model");
modelContentBuilder.addText("Great to meet you. What would you like to know?");
Content modelContent = modelContentBuilder.build();

List<Content> history = Arrays.asList(userContent, modelContent);

// Initialize the chat
ChatFutures chat = model.startChat(history);

// Create a new user message
Content.Builder messageBuilder = new Content.Builder();
messageBuilder.setRole("user");
messageBuilder.addText("How many paws are in my house?");

Content message = messageBuilder.build();

// Send the message
ListenableFuture<GenerateContentResponse> response = chat.sendMessage(message);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        String resultText = result.getText();
        System.out.println(resultText);
    }

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Android'de Nano Banana ile görüntü üretme

Gemini Image modelleri (diğer adıyla Nano Banana modelleri) dünya bilgisi ve akıl yürütme becerilerinden yararlanarak görüntü oluşturup düzenleyebilir. Bağlamla alakalı görüntüler üretir, metin ve görüntü çıkışlarını sorunsuz bir şekilde harmanlar veya dönüşümlü olarak kullanır. Ayrıca, uzun metin dizileriyle doğru görseller oluşturabilir ve bağlamı korurken sohbete dayalı resim düzenlemeyi destekler.

Bu kılavuzda, Android için Firebase AI Logic SDK'yı kullanarak Gemini görüntü modellerinin (Nano Banana modelleri) nasıl kullanılacağı açıklanmaktadır. Gemini ile görüntü oluşturma hakkında daha fazla bilgiyi Firebase belgelerinde bulabilirsiniz.

Google AI Studio arayüzünde, &quot;Tarih öncesi bir ormanda mavi sırt çantasıyla dolaşan bir t-rex'in hiper gerçekçi resmi&quot; isteminin yer aldığı bir metin giriş alanı ve ormanda mavi sırt çantasıyla dolaşan bir t-rex'in yapay görüntü tarafından üretilmiş resmi gösteriliyor.
Şekil 2. Android uygulamanız için Nano Banana görüntü üretme istemlerinizi Google AI Studio ile iyileştirin

Üretken modeli başlatma

Bir GenerativeModel örneklendirin ve Gemini Image model adı (ör. gemini-3.1-flash-image) belirtin. Ardından, responseModalities'yi hem TEXT hem de IMAGE içerecek şekilde yapılandırarak iç içe yerleştirilmiş metin ve görüntüler oluşturun. TEXT öğesini hariç tutarsanız model yalnızca resim döndürür.

Kotlin

val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
    modelName = "gemini-3.1-flash-image",
    // Configure the model to respond with images (required) and text (optional)
    generationConfig = generationConfig {
        responseModalities = listOf(
            ResponseModality.TEXT,
            ResponseModality.IMAGE
        )
    }
)

Java

GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI()).generativeModel(
        "gemini-3.1-flash-image",
        // Configure the model to respond with text and images (required)
        new GenerationConfig.Builder()
                .setResponseModalities(Arrays.asList(ResponseModality.TEXT, ResponseModality.IMAGE))
                .build()
);
GenerativeModelFutures model = GenerativeModelFutures.from(ai);

Görüntü üretme (yalnızca metin girişi)

Yalnızca metin içeren bir istem sağlayarak Gemini modeline görüntü oluşturma talimatı verebilirsiniz:

Kotlin

scope.launch {
    // Provide a text prompt instructing the model to generate an image
    val prompt =
        "A hyper realistic picture of a t-rex with a blue bag pack roaming a pre-historic forest."
    // To generate image output, call `generateContent` with the text input
    val generatedImageAsBitmap: Bitmap? = model.generateContent(prompt)
        .candidates.first().content.parts.filterIsInstance<ImagePart>()
        .firstOrNull()?.image
}

Java

// Provide a text prompt instructing the model to generate an image
Content prompt = new Content.Builder()
        .addText("Generate an image of the Eiffel Tower with fireworks in the background.")
        .build();
// To generate an image, call `generateContent` with the text input
ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        // iterate over all the parts in the first candidate in the result object
        for (Part part : result.getCandidates().get(0).getContent().getParts()) {
            if (part instanceof ImagePart) {
                ImagePart imagePart = (ImagePart) part;
                // The returned image as a bitmap
                Bitmap generatedImageAsBitmap = imagePart.getImage();
                break;
            }
        }
    }
    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Resimleri düzenleme (metin ve resim girişi)

Gemini modelinden, isteminizde hem metin hem de bir veya daha fazla resim sağlayarak mevcut resimleri düzenlemesini isteyebilirsiniz:

Kotlin

scope.launch {
    // Provide a text prompt instructing the model to edit the image
    val prompt = content {
        image(bitmap)
        text("Edit this image to make it look like a cartoon")
    }
    // To edit the image, call `generateContent` with the prompt (image and text input)
    val generatedImageAsBitmap: Bitmap? = model.generateContent(prompt)
        .candidates.first().content.parts.filterIsInstance<ImagePart>().firstOrNull()?.image
    // Handle the generated text and image
}

Java

// Provide an image for the model to edit
Bitmap bitmap = BitmapFactory.decodeResource(resources, R.drawable.scones);
// Provide a text prompt instructing the model to edit the image
Content promptcontent = new Content.Builder()
        .addImage(bitmap)
        .addText("Edit this image to make it look like a cartoon")
        .build();
// To edit the image, call `generateContent` with the prompt (image and text input)
ListenableFuture<GenerateContentResponse> response = model.generateContent(promptcontent);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        // iterate over all the parts in the first candidate in the result object
        for (Part part : result.getCandidates().get(0).getContent().getParts()) {
            if (part instanceof ImagePart) {
                ImagePart imagePart = (ImagePart) part;
                Bitmap generatedImageAsBitmap = imagePart.getImage();
                break;
            }
        }
    }
    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Çok turlu sohbet aracılığıyla resimleri yineleme ve düzenleme

Görüntü düzenleme konusunda sohbet tarzı bir yaklaşım için çok turlu sohbeti kullanabilirsiniz. Bu sayede, orijinal resmi yeniden göndermeye gerek kalmadan düzenlemeleri hassaslaştırmak için ek isteklerde bulunabilirsiniz.

Öncelikle startChat() ile bir sohbet başlatın ve isteğe bağlı olarak mesaj geçmişini sağlayın. Ardından, sonraki mesajlar için sendMessage() kullanın:

Kotlin

scope.launch {
    // Create the initial prompt instructing the model to edit the image
    val prompt = content {
        image(bitmap)
        text("Edit this image to make it look like a cartoon")
    }
    // Initialize the chat
    val chat = model.startChat()
    // To generate an initial response, send a user message with the image and text prompt
    var response = chat.sendMessage(prompt)
    // Inspect the returned image
    var generatedImageAsBitmap: Bitmap? = response
        .candidates.first().content.parts.filterIsInstance<ImagePart>().firstOrNull()?.image
    // Follow up requests do not need to specify the image again
    response = chat.sendMessage("But make it old-school line drawing style")
    generatedImageAsBitmap = response
        .candidates.first().content.parts.filterIsInstance<ImagePart>().firstOrNull()?.image
}

Java

// Provide an image for the model to edit
Bitmap bitmap = BitmapFactory.decodeResource(resources, R.drawable.scones);
// Initialize the chat
ChatFutures chat = model.startChat();
// Create the initial prompt instructing the model to edit the image
Content prompt = new Content.Builder()
        .setRole("user")
        .addImage(bitmap)
        .addText("Edit this image to make it look like a cartoon")
        .build();
// To generate an initial response, send a user message with the image and text prompt
ListenableFuture<GenerateContentResponse> response = chat.sendMessage(prompt);
// Extract the image from the initial response
ListenableFuture<Bitmap> initialRequest = Futures.transform(response,
        result -> {
            for (Part part : result.getCandidates().get(0).getContent().getParts()) {
                if (part instanceof ImagePart) {
                    ImagePart imagePart = (ImagePart) part;
                    return imagePart.getImage();
                }
            }
            return null;
        }, executor);
// Follow up requests do not need to specify the image again
ListenableFuture<GenerateContentResponse> modelResponseFuture = Futures.transformAsync(
        initialRequest,
        generatedImage -> {
            Content followUpPrompt = new Content.Builder()
                    .addText("But make it old-school line drawing style")
                    .build();
            return chat.sendMessage(followUpPrompt);
        }, executor);
// Add a final callback to check the reworked image
Futures.addCallback(modelResponseFuture, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        for (Part part : result.getCandidates().get(0).getContent().getParts()) {
            if (part instanceof ImagePart) {
                ImagePart imagePart = (ImagePart) part;
                Bitmap generatedImageAsBitmap = imagePart.getImage();
                break;
            }
        }
    }
    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Dikkat edilmesi gereken noktalar ve sınırlamalar

Aşağıdaki noktaları ve sınırlamaları göz önünde bulundurun:

  • Çıkış biçimi: Resimler, maksimum 1024 piksel boyutunda PNG olarak oluşturulur.
  • Giriş Türleri: Model, görüntü üretme için ses veya video girişlerini desteklemez.
  • Dil desteği: En iyi performans için şu dilleri kullanın: İngilizce (en), Meksika İspanyolcası (es-mx), Japonca (ja-jp), Basitleştirilmiş Çince (zh-cn) ve Hintçe (hi-in).
  • Oluşturma Sorunları:
    • Görüntü üretme işlemi her zaman tetiklenmeyebilir ve bazen yalnızca metin çıkışı verebilir. Görüntü çıkışlarını açıkça istemeyi deneyin (ör. "görüntü üret", "devam ederken görüntüleri sağla", "görüntüyü güncelle").
    • Model, yanıt oluşturma işlemini yarıda kesebilir. Tekrar deneyin veya farklı bir istem deneyin.
    • Model, metni resim olarak oluşturabilir. Metin çıkışlarını açıkça istemeyi deneyin (ör. "Görsellerle birlikte anlatı metni oluştur").

Daha fazla bilgi için Firebase belgelerine bakın.

Sonraki adımlar

Uygulamanızı ayarladıktan sonra aşağıdaki adımları uygulayabilirsiniz: