文档理解

开发中

POST

v1beta/models/gemini-3-flash-preview:generateContent

官方文档：https://ai.google.dev/gemini-api/docs/document-processing?hl=zh-cn#rest
Gemini API 支持 PDF 输入，包括长文档（最多 1, 000 页）。 Gemini 模型使用原生视觉功能处理 PDF，因此能够理解文档中的文本和图片内容。借助原生 PDF 视觉支持，Gemini 模型能够：
分析文档中的图表、图表和表格
将信息提取为结构化输出格式
回答有关文档中视觉内容和文本内容的问题
总结文档
转写文档内容（例如转写为 HTML），保留布局和格式，以便在下游应用中使用
PDF 输入
对于小于 20MB 的 PDF 载荷，您可以选择上传 base64 编码的文档，也可以直接上传本地存储的文件。
作为内嵌数据
您可以直接通过网址处理 PDF 文档。以下代码段展示了如何执行此操作：

请求参数

Header 参数

Body 参数application/json必填

示例

{
    "contents": [
        {
            "role": "user",
            "parts": [
                {
                    "inline_data": {
                        "mime_type": "application/pdf",
                        "data": "<BASE64_PDF_DATA>"
                    }
                },
                {
                    "text": "Summarize this document"
                }
            ]
        }
    ]
}

请求示例代码

Shell

JavaScript

Java

Swift

PHP

Python

HTTP

Objective-C

Ruby

OCaml

Dart

curl --location --request POST 'v1beta/models/gemini-3-flash-preview:generateContent' \
--header 'Authorization: Bearer <token>' \
--header 'Content-Type: application/json' \
--data-raw '{
    "contents": [
        {
            "role": "user",
            "parts": [
                {
                    "inline_data": {
                        "mime_type": "application/pdf",
                        "data": "<BASE64_PDF_DATA>"
                    }
                },
                {
                    "text": "Summarize this document"
                }
            ]
        }
    ]
}'

返回响应

🟢200成功

application/json

Body

示例

{}

修改于 2026-03-12 08:04:20

文字转语音-多人

函数调用