Gemini 媒体识别（原生Gemini格式）

Gemini 原生接口除文本对话外，还支持在同一 generateContent 端点上传图像、PDF、音频、视频进行识别与理解，使用与文本聊天相同的 Base URL 和认证方式。

仅支持 inlineData Base64 上传

YouQi AI 仅支持通过 inlineData 以 Base64 方式内联上传媒体文件，不支持 fileData.fileUri 或 Gemini File API（先上传文件再引用）。请将文件编码为 Base64 后直接放入请求体。

接口地址

POST /v1beta/models/{model}:generateContent

Base URL 与认证方式同 Gemini 文本聊天：https://ai.youqi.tech/v1beta，通过 ?key= 查询参数或 x-goog-api-key 头传递密钥。

请求参数

参数	类型	必填	说明
contents	array	是	对话内容列表，每项含 role 与 parts
parts[].text	string	否	文本提示词
parts[].inlineData	object	否	内联媒体数据，含 mimeType 与 data（Base64 字符串）

请求示例

图像识别

curl "https://ai.youqi.tech/v1beta/models/gemini-2.5-pro:generateContent?key=sk-YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [
          { "text": "这张图片里有什么？" },
          {
            "inlineData": {
              "mimeType": "image/jpeg",
              "data": "BASE64_ENCODED_IMAGE_DATA"
            }
          }
        ]
      }
    ]
  }'

PDF / 音频 / 视频识别

将 mimeType 替换为对应类型（如 application/pdf、audio/mp3、video/mp4），data 为该文件的 Base64 编码，其余结构一致：

{
  "contents": [
    {
      "role": "user",
      "parts": [
        { "text": "总结这份 PDF 的要点。" },
        {
          "inlineData": {
            "mimeType": "application/pdf",
            "data": "BASE64_ENCODED_PDF_DATA"
          }
        }
      ]
    }
  ]
}

响应示例

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [{ "text": "图片中是一只在草地上奔跑的金毛犬。" }]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 258,
    "candidatesTokenCount": 18,
    "totalTokenCount": 276
  }
}

提示

Base64 编码会显著增加请求体体积，大文件请注意客户端与网关的请求体大小限制。若只需纯文本对话，使用 Gemini 文本聊天 即可。