cn.hutool.ai.model.gemini

Interface GeminiService

All Superinterfaces:

AIService

All Known Implementing Classes:

GeminiServiceImpl

public interface GeminiService
extends AIService

Gemini服务支持的扩展接口

Since:

5.8.43

Author:

elichow

Method Summary

Modifier and Type	Method and Description
byte[]	addWavHeader(byte[] rawPcm) 为原始 PCM 音频数据添加 WAV 头
String	chatJson(List<Message> messages) 结构化输出：强制要求模型返回 JSON 格式
String	chatMultimodal(String prompt, List<String> mediaList) 全模态理解（图像/视频/音频/PDF）：模型会依据传入的媒体资源给出回复。
void	chatMultimodal(String prompt, List<String> mediaList, Consumer<String> callback) 全模态理解-SSE流式输出
void	downLoadVideo(String videoUri, String filePath) 下载生成的视频文件
String	getVideoOperation(String operationName) 获取视频生成状态：用于轮询视频生成进度
String	predictImage(String prompt) 生成图像 (Imagen 模型集成)
String	predictVideo(String prompt) 生成视频:根据文本提示语生成视频
String	textToSpeech(String prompt) 文本转语音 (TTS)
String	textToSpeech(String prompt, String voice) 文本转语音 (TTS) - 指定音色
String	uploadFile(File file) 上传大文件到Gemini File API

Methods inherited from interface cn.hutool.ai.core.AIService

chat, chat, chat, chat

Method Detail

chatMultimodal

String chatMultimodal(String prompt,
                      List<String> mediaList)

全模态理解（图像/视频/音频/PDF）：模型会依据传入的媒体资源给出回复。

Parameters:

prompt - 指令

mediaList - 媒体资源列表 (支持 Base64, URL, 或 File API 的 URI)

Returns:

AI回答

chatMultimodal

void chatMultimodal(String prompt,
                    List<String> mediaList,
                    Consumer<String> callback)

全模态理解-SSE流式输出

Parameters:

prompt - 指令

mediaList - 媒体资源列表

callback - 流式数据回调函数

chatJson

String chatJson(List<Message> messages)

结构化输出：强制要求模型返回 JSON 格式

Parameters:

messages - 消息列表

Returns:

AI回答

predictImage

String predictImage(String prompt)

生成图像 (Imagen 模型集成)

Parameters:

prompt - 图像描述词

Returns:

包含图片数据的响应 (通常为 Base64)

predictVideo

String predictVideo(String prompt)

生成视频:根据文本提示语生成视频

Parameters:

prompt - 视频描述词

Returns:

包含 operationName 的 JSON 字符串

getVideoOperation

String getVideoOperation(String operationName)

获取视频生成状态：用于轮询视频生成进度

Parameters:

operationName - 生成视频接口返回的任务名称

Returns:

包含视频状态（done）及结果的 JSON 字符串

downLoadVideo

void downLoadVideo(String videoUri,
                   String filePath)

下载生成的视频文件

Parameters:

videoUri - 视频文件的 URI

filePath - 保存视频的文件路径

textToSpeech

String textToSpeech(String prompt)

文本转语音 (TTS)

Parameters:

prompt - 文本或带有导演备注的内容

Returns:

语音文件的 Base64 编码字符串

textToSpeech

String textToSpeech(String prompt,
                    String voice)

文本转语音 (TTS) - 指定音色

Parameters:

prompt - 文本或带有导演备注的内容

voice - 预定义的音色常量

Returns:

语音文件的 Base64 编码字符串

uploadFile

String uploadFile(File file)

上传大文件到Gemini File API

Parameters:

file - 本地文件

Returns:

上传后的文件对象信息

addWavHeader

byte[] addWavHeader(byte[] rawPcm)

为原始 PCM 音频数据添加 WAV 头

Parameters:

rawPcm - 原始 PCM 音频字节数组

Returns:

带有 WAV 头的音频字节数组