google-gemini/cookbook

这是什么

一个用于学习如何使用 Google Gemini API 的实践教程集合（称为“食谱”）。它被组织为结构化的学习路径，包含实际示例，而不仅仅是参考文档。

里面有什么

该项目分为两个主要部分：

• 快速入门 — 为初学者和特定 API 功能提供的逐步指南（例如：入门、文本转语音、视频生成、图像生成、音乐生成、实时音频流、转录等）。
• 示例 — 展示如何组合使用多个功能的实际用例。

还有单独的仓库用于完整的端到端演示应用程序。

格式

大多数教程是 Jupyter 笔记本，每个都有一步单击的“Colab”按钮，您可以在 Google 免费云笔记本环境中运行，而无需在本地安装任何东西。

开始需要什么

1. 一个 Google 帐户
2. 在 Google AI Studio 中创建的 API 密钥

README 建议从身份验证指南（设置 API 密钥）和 Get Started 指南（涵盖基本提示和多模态输入）开始。

涵盖的显著功能

• Gemini 4 Argon — 支持高达 100 万输出标记和可调“思考”级别的推理模型
• Gemini 3.8 Flash — 面向软件工程、自主代理和企业工作流程的快速模型
• Gemini 3.5 Flash-Lite — 3.5 系列中速度最快、成本最低的模型
• 文本转语音 — 富有表现力的单说话人和多说话人语音，以及自定义语音设计（从文本提示）和语音复制（从音频样本）
• 视频 — 对话式视频生成和编辑（Omni Flash），以及视频生成（Veo）
• 图像生成 — Nano-Banana 2.1（512 像素，支持思考功能）和 Nano-Banana Pro（4K 质量）
• 音乐 — 使用 Lyria 3.5 进行完整歌曲生成和图像转音乐，以及实时交互式音乐流
• 代理 API — 在受控环境中创建和运行自定义代理
• 实时 API — 低延迟语音/视频流、音频流的实时翻译以及实时会话中的扩展思考
• 转录 — 带词级时间戳、说话人分离和自定义词汇的音频文件和实时流
• 接地 — 将响应连接到 Google 搜索结果、Google 地图数据或您自己的文件（托管 RAG）
• 代码执行 — 让模型生成并运行 Python 代码以解决问题并输出图表
• Webhooks — 用于异步操作（如批量作业和视频生成）的实时通知
• 推理层级 — 优先级和灵活选项，用于平衡速度、成本和可靠性
• 机器人技术 — 用于机器人应用的空间理解和推理模型

在哪里找到完整的 API 文档

README 指向 ai.google.dev 以获取全面的 API 文档，并指向单独的 Gemma 食谱以获取 Gemma 模型示例。