本頁面由 Cloud Translation API 翻譯而成。

Gemini Developer API
透過集合功能整理內容你可以依據偏好儲存及分類內容。

如要存取 Gemini Pro 和 Flash 模型，建議 Android 開發人員使用 Firebase AI 邏輯，使用 Gemini Developer API。您可以開始使用，而且不需要信用卡，還能享有慷慨的免費方案。在使用者族群規模較小時，您可以先驗證整合功能，然後再切換至付費層級，以便擴大規模。

插圖：包含 Firebase Android SDK 的 Android 應用程式。箭頭從 Cloud 環境中的 SDK 指向 Firebase。從 Firebase 開始，另一個箭頭會指向 Gemini Developer API，而這個 API 會連結至 Cloud 中的 Gemini Pro 和 Flash。 — **圖 1.** Firebase AI Logic 整合架構，可存取 Gemini Developer API。

開始使用

您必須先完成幾項操作，才能直接從應用程式與 Gemini API 互動，包括熟悉提示，以及設定 Firebase 和應用程式以使用 SDK。

測試提示

實驗提示可協助您找出 Android 應用程式最合適的措辭、內容和格式。Google AI Studio 是一種 IDE，可用於為應用程式的用途設計原型和提示。

為特定用途設計合適的提示，與其說是科學，不如說是一門藝術，因此實驗至關重要。如要進一步瞭解提示，請參閱 Firebase 說明文件。

確認提示內容無誤後，請按一下「<>"」按鈕，取得可新增至程式碼的程式碼片段。

設定 Firebase 專案，並將應用程式連結至 Firebase

準備好從應用程式呼叫 API 後，請按照 Firebase AI Logic 入門指南的「步驟 1」操作說明，在應用程式中設定 Firebase 和 SDK。

新增 Gradle 依附元件

將下列 Gradle 依附元件新增至應用程式模組：

Kotlin

dependencies {
  // ... other androidx dependencies

  // Import the BoM for the Firebase platform
  implementation(platform("com.google.firebase:firebase-bom:33.13.0"))

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

Java

dependencies {
  // Import the BoM for the Firebase platform
  implementation(platform("com.google.firebase:firebase-bom:33.13.0"))

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

  // 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")
}

初始化生成式模型

首先，請將 GenerativeModel 例項化並指定模型名稱：

Kotlin

val model = Firebase.ai(backend = GenerativeBackend.googleAI())
                        .generativeModel("gemini-2.0-flash")

Java

GenerativeModel firebaseAI = FirebaseAI.getInstance(GenerativeBackend.googleAI())
        .generativeModel("gemini-2.0-flash");

GenerativeModelFutures model = GenerativeModelFutures.from(firebaseAI);

進一步瞭解可搭配 Gemini Developer API 使用的可用模型。您也可以進一步瞭解如何設定模型參數。

透過應用程式與 Gemini Developer API 互動

您已設定 Firebase 和應用程式，以便使用 SDK，現在可以透過應用程式與 Gemini Developer API 互動了。

產生文字

如要產生文字回應，請使用提示呼叫 generateContent()。

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);

使用圖片和其他媒體生成文字

您也可以根據包含文字和圖片或其他媒體的提示生成文字。呼叫 generateContent() 時，您可以將媒體做為內嵌資料傳遞。

舉例來說，如要使用位圖，請使用 image 內容類型：

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);

如要傳送音訊檔案，請使用 inlineData 內容類型：

Kotlin

val contentResolver = applicationContext.contentResolver
val inputStream = contentResolver.openInputStream(audioUri).use { stream ->
    stream?.let {
        val bytes = stream.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 = getApplicationContext().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);
}

如要提供影片檔案，請繼續使用 inlineData 內容類型：

Kotlin

val contentResolver = applicationContext.contentResolver
contentResolver.openInputStream(videoUri).use { stream ->
  stream?.let {
    val bytes = stream.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 = getApplicationContext().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();
}

同樣地，您也可以傳遞 PDF (application/pdf) 和純文字 (text/plain) 文件，並將各自的 MIME 類型做為參數傳遞。

多輪對話

您也可以支援多輪對話。使用 startChat() 函式初始化即時通訊。您可以選擇為模型提供訊息記錄。接著呼叫 sendMessage() 函式，即可傳送即時通訊訊息。

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 = userContentBuilder.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);

詳情請參閱 Firebase 說明文件。

後續步驟

查看 GitHub 上的 Android 快速入門 Firebase 範例應用程式和 Android AI 範例目錄。
將應用程式準備好正式發布，包括設定 Firebase App Check，以防 Gemini API 遭到未經授權的用戶端濫用。
如要進一步瞭解 Firebase AI Logic，請參閱 Firebase 說明文件。

Gemini Developer API 透過集合功能整理內容 你可以依據偏好儲存及分類內容。

開始使用

測試提示

設定 Firebase 專案，並將應用程式連結至 Firebase

新增 Gradle 依附元件

Kotlin

Java

初始化生成式模型

Kotlin

Java

透過應用程式與 Gemini Developer API 互動

產生文字

Kotlin

Java

使用圖片和其他媒體生成文字

Kotlin

Java

Kotlin

Java

Kotlin

Java

多輪對話

Kotlin

Java

後續步驟

Gemini Developer API
透過集合功能整理內容你可以依據偏好儲存及分類內容。