Google Gemini API - 通过 UniterRouter 使用 Gemini Pro、Gemini 1.5 模型生成内容。原生 Google AI API 格式，支持多模态和流式响应。

生成内容

从 Gemini 模型生成内容（文本、代码等）。这是非流式文本生成的主要端点。

端点

POST https://api.uniterouter.ai/v1beta/models/{model}:generateContent

认证

使用您的 UniterRouter API 密钥作为 Google API 密钥：

x-goog-api-key: your_uniterouter_api_key

或通过查询参数：

?key=your_uniterouter_api_key

路径参数

参数	类型	必需	描述
`model`	string	是	模型 ID（如 `gemini-2.0-flash`、`gemini-1.5-pro`）

请求体

参数	类型	必需	描述
`contents`	array	是	发送给模型的内容部分数组
`generationConfig`	object	否	生成配置
`safetySettings`	array	否	过滤有害内容的安全设置
`systemInstruction`	object	否	模型的系统指令
`tools`	array	否	模型可用的工具/函数

内容格式

{
  "contents": [
    {
      "role": "user",
      "parts": [
        {"text": "你好，你好吗？"}
      ]
    }
  ]
}

生成配置

参数	类型	描述
`temperature`	number	控制随机性 (0.0-2.0)
`topP`	number	核采样参数
`topK`	integer	Top-k 采样参数
`maxOutputTokens`	integer	生成的最大 token 数
`stopSequences`	array	停止生成的序列
`candidateCount`	integer	生成的响应数量

请求示例

curl -X POST "https://api.uniterouter.ai/v1beta/models/gemini-2.0-flash:generateContent" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $UNITEROUTER_API_KEY" \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [{"text": "用简单的语言解释量子计算"}]
      }
    ],
    "generationConfig": {
      "temperature": 0.7,
      "maxOutputTokens": 1024
    }
  }'

import google.generativeai as genai

genai.configure(
    api_key="your_uniterouter_api_key",
    transport="rest",
    client_options={"api_endpoint": "api.uniterouter.ai"}
)

model = genai.GenerativeModel("gemini-2.0-flash")
response = model.generate_content(
    "用简单的语言解释量子计算",
    generation_config=genai.GenerationConfig(
        temperature=0.7,
        max_output_tokens=1024
    )
)
print(response.text)

import { GoogleGenerativeAI } from "@google/generative-ai";

const genAI = new GoogleGenerativeAI("your_uniterouter_api_key", {
  baseUrl: "https://api.uniterouter.ai"
});

const model = genAI.getGenerativeModel({ model: "gemini-2.0-flash" });

const result = await model.generateContent({
  contents: [
    {
      role: "user",
      parts: [{ text: "用简单的语言解释量子计算" }]
    }
  ],
  generationConfig: {
    temperature: 0.7,
    maxOutputTokens: 1024
  }
});

console.log(result.response.text());

响应

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "量子计算利用量子力学原理..."
          }
        ],
        "role": "model"
      },
      "finishReason": "STOP",
      "index": 0,
      "safetyRatings": [
        {
          "category": "HARM_CATEGORY_SEXUALLY_EXPLICIT",
          "probability": "NEGLIGIBLE"
        }
      ]
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 10,
    "candidatesTokenCount": 150,
    "totalTokenCount": 160
  }
}

多轮对话

对于聊天式对话，包含对话历史：

model = genai.GenerativeModel("gemini-2.0-flash")
chat = model.start_chat(history=[])

response1 = chat.send_message("你好！")
print(response1.text)

response2 = chat.send_message("法国的首都是哪里？")
print(response2.text)

图像输入

Gemini 模型支持图像输入：

import PIL.Image

model = genai.GenerativeModel("gemini-2.0-flash")
image = PIL.Image.open("image.jpg")

response = model.generate_content([
    "描述这张图片：",
    image
])
print(response.text)

错误处理

错误码	描述
`400`	无效请求（参数错误）
`401`	无效的 API 密钥
`403`	权限被拒绝
`404`	模型未找到
`429`	超出速率限制
`500`	内部服务器错误

生成内容

生成内容

端点

认证

路径参数

请求体

内容格式

生成配置

请求示例

响应

多轮对话

图像输入

错误处理

相关文档

On this page