Yanıtları kontrol etmek için model yapılandırmasını kullanma

Bir modele yapılan her çağrıda, modelin nasıl yanıt oluşturacağını kontrol etmek için bir model yapılandırması gönderebilirsiniz. Her model farklı yapılandırma seçenekleri sunar.

İstemler ve model yapılandırmalarıyla denemeler yapabilir ve Vertex AI Studio kullanarak hızlıca iterasyon yapabilirsiniz.

Gemini yapılandırma seçeneklerine atla Imagen yapılandırma seçeneklerine atla



Gemini modellerini yapılandırma

Bu bölümde, Gemini modelleriyle birlikte kullanılmak üzere bir yapılandırma oluşturma işlemi gösterilmekte ve her parametrenin açıklaması verilmektedir.

Model yapılandırması oluşturma (Gemini)

Genel kullanım alanları için yapılandırma

Yapılandırma, örneğin kullanım ömrü boyunca korunur. Farklı bir yapılandırma kullanmak istiyorsanız bu yapılandırmayla yeni bir GenerativeModel örneği oluşturun.

Swift

GenerativeModel örneği oluşturma kapsamında, GenerationConfig parametrelerinin değerlerini ayarlayın.

// ...

// Set parameter values in a `GenerationConfig` (example values shown here)
let config = GenerationConfig(
  temperature: 0.9,
  topP: 0.1,
  topK: 16,
  maxOutputTokens: 200,
  stopSequences: ["red"]
)

// Specify the config as part of creating the `GenerativeModel` instance
let model = vertex.generativeModel(
  modelName: "GEMINI_MODEL_NAME",
  generationConfig: config
)

// ...

Kotlin

GenerativeModel örneği oluşturma kapsamında, GenerationConfig parametrelerinin değerlerini ayarlayın.

// ...

// Set parameter values in a `GenerationConfig` (example values shown here)
val config = generationConfig {
    maxOutputTokens = 200
    stopSequences = listOf("red")
    temperature = 0.9f
    topK = 16
    topP = 0.1f
}

// Specify the config as part of creating the `GenerativeModel` instance
val generativeModel = Firebase.vertexAI.generativeModel(
    modelName = "GEMINI_MODEL_NAME",
    generationConfig = config
)

// ...

Java

GenerativeModel örneği oluşturma kapsamında, GenerationConfig parametrelerinin değerlerini ayarlayın.

// ...

// Set parameter values in a `GenerationConfig` (example values shown here)
GenerationConfig.Builder configBuilder = new GenerationConfig.Builder();
configBuilder.maxOutputTokens = 200;
configBuilder.stopSequences = List.of("red");
configBuilder.temperature = 0.9f;
configBuilder.topK = 16;
configBuilder.topP = 0.1f;

GenerationConfig generationConfig = configBuilder.build();

// Specify the config as part of creating the `GenerativeModel` instance
GenerativeModel gm = FirebaseVertexAI.getInstance().generativeModel(
    "GEMINI_MODEL_NAME",
    generationConfig
);

GenerativeModelFutures model = GenerativeModelFutures.from(gm);

// ...

Web

GenerativeModel örneği oluşturma kapsamında, GenerationConfig parametrelerinin değerlerini ayarlayın.

// ...

// Set parameter values in a `GenerationConfig` (example values shown here)
const generationConfig = {
  max_output_tokens: 200,
  stop_sequences: ["red"],
  temperature: 0.9,
  top_p: 0.1,
  top_k: 16,
};

// Specify the config as part of creating the `GenerativeModel` instance
const model = getGenerativeModel(vertex, { model: "GEMINI_MODEL_NAME",  generationConfig });

// ...

Dart

GenerativeModel örneği oluşturma kapsamında, GenerationConfig parametrelerinin değerlerini ayarlayın.

// ...

// Set parameter values in a `GenerationConfig` (example values shown here)
final generationConfig = GenerationConfig(
  maxOutputTokens: 200,
  stopSequences: ["red"],
  temperature: 0.9,
  topP: 0.1,
  topK: 16,
);
final model = FirebaseVertexAI.instance.generativeModel(
  model: 'GEMINI_MODEL_NAME',
  // Specify the config as part of creating the `GenerativeModel` instance
  config: generationConfig,
);

// ...

Bu sayfanın sonraki bölümünde her parametrenin açıklamasını bulabilirsiniz.

Gemini Live API için yapılandırma

Yapılandırma, örneğin kullanım ömrü boyunca korunur. Farklı bir yapılandırma kullanmak istiyorsanız bu yapılandırmayla yeni bir LiveModel örneği oluşturun.

Swift

Live API henüz Apple platform uygulamaları için desteklenmemektedir. Kısa süre sonra tekrar kontrol edin.

Kotlin

LiveModel örneği oluşturma kapsamında LiveGenerationConfig parametrelerinin değerlerini ayarlayın.

// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here)
val config = liveGenerationConfig {
    maxOutputTokens = 200
    responseModality = ResponseModality.AUDIO
    speechConfig = SpeechConfig(voice = Voices.FENRIR)
    temperature = 0.9f
    topK = 16
    topP = 0.1f
}

// Specify the config as part of creating the `LiveModel` instance
val generativeModel = Firebase.vertexAI.liveModel(
    modelName = "gemini-2.0-flash-live-preview-04-09",
    generationConfig = config
)

// ...

Java

LiveModel örneği oluşturma kapsamında LiveGenerationConfig parametrelerinin değerlerini ayarlayın.

// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here)
LiveGenerationConfig.Builder configBuilder = new LiveGenerationConfig.Builder();
configBuilder.setMaxOutputTokens(200);
configBuilder.setResponseModalities(ResponseModality.AUDIO);

configBuilder.setSpeechConfig(new SpeechConfig(Voices.FENRIR));
configBuilder.setTemperature(0.9f);
configBuilder.setTopK(16);
configBuilder.setTopP(0.1f);

LiveGenerationConfig generationConfig = configBuilder.build();

// Specify the config as part of creating the `LiveModel` instance
LiveGenerativeModel gm = FirebaseVertexAI.getInstance().liveModel(
    "gemini-2.0-flash-live-preview-04-09",
    generationConfig
);

LiveModelFutures model = LiveModelFutures.from(gm);

// ...

Web

Live API henüz web uygulamaları için desteklenmemektedir. Lütfen daha sonra tekrar kontrol edin.

Dart

LiveModel örneği oluşturma kapsamında LiveGenerationConfig parametrelerinin değerlerini ayarlayın.

// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here)
final generationConfig = LiveGenerationConfig(
  maxOutputTokens: 200,
  responseModalities: [ResponseModality.audio],
  speechConfig: SpeechConfig(voice: Voice.fenrir),
  temperature: 0.9,
  topP: 0.1,
  topK: 16,
);

// Specify the config as part of creating the `LiveModel` instance
final model = FirebaseVertexAI.instance.LiveModel(
  model: 'gemini-2.0-flash-live-preview-04-09',
  config: generationConfig,
);

// ...

Bu sayfanın sonraki bölümünde her parametrenin açıklamasını bulabilirsiniz.

Parametrelerin açıklaması (Gemini)

Aşağıda, geçerli olduğu durumlarda kullanılabilen parametrelere genel bir bakış verilmiştir. Google Cloud dokümanlarında parametrelerin ve değerlerinin kapsamlı bir listesini bulabilirsiniz.

Parametre Açıklama Varsayılan değer
Ses zaman damgası
audioTimestamp

Yalnızca ses içeren giriş dosyaları için zaman damgası anlaşılmasını sağlayan bir boole değeri.

Yalnızca generateContent veya generateContentStream çağrıları kullanılırken ve giriş türü yalnızca ses dosyası olduğunda geçerlidir.

false
Sıklık cezası
frequencyPenalty
Oluşturulan yanıtta tekrar tekrar görünen jetonların dahil edilme olasılığını kontrol eder.
Olumlu değerler, oluşturulan içerikte tekrar tekrar görünen jetonları cezalandırır ve içeriğin tekrarlanma olasılığını azaltır.
---
Maks. çıkış jetonu sayısı
maxOutputTokens
Yanıtta oluşturulabilecek maksimum jeton sayısını belirtir. ---
Bulunma cezası
presencePenalty
Oluşturulan yanıtta zaten bulunan jetonların dahil edilme olasılığını kontrol eder.
Pozitif değerler, oluşturulan içerikte zaten bulunan jetonları cezalandırır ve daha çeşitli içerikler oluşturma olasılığını artırır.
---
Sekanları durdurma
stopSequences

Yanıtta dizelerden biri karşılaşıldığında modele içerik üretmeyi durdurmasını bildiren bir dize listesini belirtir.

Yalnızca GenerativeModel yapılandırması kullanılırken geçerlidir.

---
Sıcaklık
temperature
Yanıttaki rastgelelik derecesini kontrol eder.
Düşük sıcaklıklar daha kesin yanıtlar, yüksek sıcaklıklar ise daha çeşitli veya yaratıcı yanıtlar elde etmenizi sağlar.
Modele bağlıdır
Top-K
topK
Oluşturulan içerikte kullanılan en yüksek olasılıklı kelimelerin sayısını sınırlandırır.
1 değerine sahip bir en iyi K değeri, seçilecek bir sonraki jetonun modelin kelime haznesindeki tüm jetonlar arasından en olası olması gerektiği anlamına gelir. n değerine sahip bir en iyi K değeri ise seçilecek bir sonraki jetonun n en olası jeton arasından seçilmesi gerektiği anlamına gelir (tümü, ayarlanan sıcaklığa bağlıdır).
Modele bağlıdır
Top-P
topP
Oluşturulan içeriğin çeşitliliğini kontrol eder.
Olasılıklarının toplamı en yüksek P değerine eşit olana kadar jetonlar en olasıdan (yukarıdaki en yüksek K değerine bakın) en az olasıya doğru seçilir.
Modele bağlıdır
Yanıt modu
responseModality

Live API kullanıldığında aktarılan çıkışın türünü (ör. metin veya ses) belirtir.

Yalnızca Live API ve LiveModel yapılandırması kullanılırken geçerlidir.

---
Konuşma (ses)
speechConfig

Live API kullanılırken akışlı ses çıkışı için kullanılan sesi belirtir.

Yalnızca Live API ve LiveModel yapılandırması kullanılırken geçerlidir.

Puck



Imagen modellerini yapılandırma

Bu bölümde, Imagen modelleriyle birlikte kullanılmak üzere bir yapılandırma oluşturma işlemi gösterilmekte ve her parametrenin açıklaması verilmektedir.

Model yapılandırması oluşturma (Imagen)

Yapılandırma, örneğin kullanım ömrü boyunca korunur. Farklı bir yapılandırma kullanmak istiyorsanız bu yapılandırmayla yeni bir ImagenModel örneği oluşturun.

Swift

ImagenModel örneği oluşturma kapsamında, ImagenGenerationConfig parametrelerinin değerlerini ayarlayın.

// ...

// Set parameter values in a `ImagenGenerationConfig` (example values shown here)
let config = ImagenGenerationConfig(
  negativePrompt: "frogs",
  numberOfImages: 2,
  aspectRatio: .landscape16x9,
  imageFormat: .jpeg(compressionQuality: 100),
  addWatermark: false
)

// Specify the config as part of creating the `ImagenModel` instance
let model = vertex.imagenModel(
  modelName: "IMAGEN_MODEL_NAME",
  generationConfig: config
)

// ...

Kotlin

ImagenModel örneği oluşturma kapsamında, ImagenGenerationConfig parametrelerinin değerlerini ayarlayın.

// ...

// Set parameter values in a `ImagenGenerationConfig` (example values shown here)
val config = ImagenGenerationConfig(
    negativePrompt = "frogs",
    numberOfImages = 2,
    aspectRatio = ImagenAspectRatio.LANDSCAPE_16x9,
    imageFormat = ImagenImageFormat.jpeg(compressionQuality = 100),
    addWatermark = false
)

// Specify the config as part of creating the `ImagenModel` instance
val imagenModel = Firebase.vertexAI.imagenModel(
    modelName = "IMAGEN_MODEL_NAME",
    generationConfig = config
)

// ...

Java

ImagenModel örneği oluşturma kapsamında, ImagenGenerationConfig parametrelerinin değerlerini ayarlayın.

// ...

// Set parameter values in a `ImagenGenerationConfig` (example values shown here)
ImagenGenerationConfig config = new ImagenGenerationConfig.Builder()
    .setNegativePrompt("frogs")
    .setNumberOfImages(2)
    .setAspectRatio(ImagenAspectRatio.LANDSCAPE_16x9)
    .setImageFormat(ImagenImageFormat.jpeg(100))
    .setAddWatermark(false)
    .build();

// Specify the config as part of creating the `ImagenModel` instance
ImagenModel m = FirebaseVertexAI.getInstance().imagenModel(
    "IMAGEN_MODEL_NAME",
    config
);

ImagenModelFutures model = ImagenModelFutures.from(m);

// ...

Web

ImagenModel örneği oluşturma kapsamında, ImagenGenerationConfig parametrelerinin değerlerini ayarlayın.

// ...

// Set parameter values in a `ImagenGenerationConfig` (example values shown here)
const generationConfig = {
  negativePrompt: "frogs",
  numberOfImages: 2,
  aspectRatio: ImagenAspectRatio.LANDSCAPE_16x9,
  imageFormat: ImagenImageFormat.jpeg(100),
  addWatermark: false
};

// Specify the config as part of creating the `ImagenModel` instance
const imagenModel = getImagenModel(vertexAI, { model: "IMAGEN_MODEL_NAME", generationConfig });

// ...

Dart

ImagenModel örneği oluşturma kapsamında, ImagenGenerationConfig parametrelerinin değerlerini ayarlayın.

// ...

// Set parameter values in a `ImagenGenerationConfig` (example values shown here)
final generationConfig = ImagenGenerationConfig(
  negativePrompt: 'frogs',
  numberOfImages: 2,
  aspectRatio: ImagenAspectRatio.landscape16x9,
  imageFormat: ImagenImageFormat.jpeg(compressionQuality: 100)
  addWatermark: false
);

// Specify the config as part of creating the `ImagenModel` instance
final model = FirebaseVertexAI.instance.imagenModel(
  model: 'IMAGEN_MODEL_NAME',
  config: generationConfig,
);

// ...

Bu sayfanın sonraki bölümünde her parametrenin açıklamasını bulabilirsiniz.

Parametrelerin açıklaması (Imagen)

Aşağıda, geçerli olduğu durumlarda kullanılabilen parametrelere genel bir bakış verilmiştir. Google Cloud dokümanlarında parametrelerin ve değerlerinin kapsamlı bir listesini bulabilirsiniz.

Parametre Açıklama Varsayılan değer
Olumsuz istem
negativePrompt
Oluşturulan resimlerde neleri çıkarmak istediğinize dair açıklama

Bu parametre henüz imagen-3.0-generate-002 tarafından desteklenmiyor.

---
Sonuç sayısı
numberOfImages
Her istek için döndürülen oluşturulmuş resimlerin sayısı Varsayılan olarak Imagen 3 modelleri için bir resim
En boy oranı
aspectRatio
Oluşturulan resimlerin en boy oranı Varsayılan değer karedir (1:1).
Resim biçimi
imageFormat
Görüntü biçimi (MIME türü) ve oluşturulan resimlerin sıkıştırma seviyesi gibi çıkış seçenekleri Varsayılan MIME türü PNG
Varsayılan sıkıştırma oranı 75'tir (MIME türü JPEG olarak ayarlanmışsa)
Filigran
addWatermark
Oluşturulan görsellere görünmeyen dijital filigran (SynthID olarak adlandırılır) eklenip eklenmeyeceği Imagen 3 modelleri için varsayılan değer true'tür
Kişi oluşturma
personGeneration
Model tarafından kişi oluşturulmasına izin verilip verilmeyeceği varsayılan ayar modele bağlıdır



İçerik oluşturmayı kontrol etmek için diğer seçenekler

  • Modeli ihtiyaçlarınıza özel sonuçlar üretecek şekilde etkileyebilmek için istem tasarımı hakkında daha fazla bilgi edinin.
  • Nefret söylemi ve müstehcen içerik dahil olmak üzere zararlı kabul edilebilecek yanıtlar alma olasılığını ayarlamak için güvenlik ayarlarını kullanın.
  • Modelin davranışını yönlendirmek için sistem talimatları ayarlayın. Bu özellik, model son kullanıcıdan başka talimatlar almadan önce eklediğiniz bir "önsöz" gibidir.
  • Belirli bir çıkış şemasını belirtmek için istemle birlikte bir yanıt şeması geçirin. Bu özellik en yaygın olarak JSON çıkışı oluştururken kullanılır ancak sınıflandırma görevleri (ör. modelin belirli etiketleri kullanmasını istediğinizde) için de kullanılabilir.