Gemini API

Google の Gemini API を使用して、テキスト、画像、動画、音声からテキストを生成します。

モデル

モデル	コード	入出力	コンテキスト	思考
Gemini 3 Pro	gemini-3-pro-preview	テキスト/画像/動画/音声/PDF → テキスト	1M/64K	はい
Gemini 3 Flash	gemini-3-flash-preview	テキスト/画像/動画/音声/PDF → テキスト	1M/64K	はい
Gemini 2.5 Pro	gemini-2.5-pro	テキスト/画像/動画/音声/PDF → テキスト	1M/65K	はい
Gemini 2.5 Flash	gemini-2.5-flash	テキスト/画像/動画/音声 → テキスト	1M/65K	はい
Nano Banana	gemini-2.5-flash-image	テキスト/画像 → 画像	-	いいえ
Nano Banana Pro	gemini-3-pro-image-preview	テキスト/画像 → 画像 (最大 4K)	65K/32K	はい
Veo 3.1	veo-3.1-generate-preview	テキスト/画像/動画 → 動画+音声	-	-
Veo 3	veo-3-generate-preview	テキスト/画像 → 動画+音声	-	-
Veo 2	veo-2.0-generate-001	テキスト/画像 → 動画 (無音)	-	-
Lyria RealTime	lyria-realtime-exp	テキスト → 音楽 (ストリーミング)	-	-
エンベディング	gemini-embedding-001	テキスト → エンベディング	2K	いいえ

無料枠: Flash モデルのみ (gemini-3-pro-preview は API に無料枠なし)。デフォルト温度: 1.0 (Gemini 3 では変更しないでください)。

料金 (1M トークンあたり):

• Gemini 3 Pro: $2/$12 (<200k)、$4/$18 (>200k)
• Gemini 3 Flash: $0.50/$3
• Nano Banana Pro: $2 (テキスト) / $0.134 (画像)

---

基本的なテキスト生成

Python

from google import genai

client = genai.Client()
response = client.models.generate_content(
    model="gemini-3-flash-preview",
    contents="How does AI work?"
)
print(response.text)

JavaScript

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});
const response = await ai.models.generateContent({
  model: "gemini-3-flash-preview",
  contents: "How does AI work?",
});
console.log(response.text);

REST

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3-flash-preview:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{"contents": [{"parts": [{"text": "How does AI work?"}]}]}'

---

システムインストラクション

response = client.models.generate_content(
    model="gemini-3-flash-preview",
    config=types.GenerateContentConfig(
        system_instruction="You are a helpful assistant."
    ),
    contents="Hello"
)

const response = await ai.models.generateContent({
  model: "gemini-3-flash-preview",
  contents: "Hello",
  config: { systemInstruction: "You are a helpful assistant." },
});

---

ストリーミング

for chunk in client.models.generate_content_stream(
    model="gemini-3-flash-preview",
    contents="Tell me a story"
):
    print(chunk.text, end="")

const response = await ai.models.generateContentStream({
  model: "gemini-3-flash-preview",
  contents: "Tell me a story",
});
for await (const chunk of response) {
  console.log(chunk.text);
}

---

マルチターンチャット

chat = client.chats.create(model="gemini-3-flash-preview")
response = chat.send_message("I have 2 dogs.")
print(response.text)
response = chat.send_message("How many paws total?")
print(response.text)

const chat = ai.chats.create({ model: "gemini-3-flash-preview" });
const response = await chat.sendMessage({ message: "I have 2 dogs." });
console.log(response.text);

---

マルチモーダル (画像)

from PIL import Image

image = Image.open("/path/to/image.png")
response = client.models.generate_content(
    model="gemini-3-flash-preview",
    contents=[image, "Describe this image"]
)

const image = await ai.files.upload({ file: "/path/to/image.png" });
const response = await ai.models.generateContent({
  model: "gemini-3-flash-preview",
  contents: [
    createUserContent([
      "Describe this image",
      createPartFromUri(image.uri, image.mimeType),
    ]),
  ],
});

---

ドキュメント処理 (PDF)

ネイティブビジョン理解を使用して PDF を処理します (最大 1000 ページ)。

from google.genai import types
import pathlib

filepath = pathlib.Path('document.pdf')
response = client.models.generate_content(
    model="gemini-3-flash-preview",
    contents=[
        types.Part.from_bytes(data=filepath.read_bytes(), mime_type='application/pdf'),
        "Summarize this document"
    ]
)

import * as fs from 'fs';

const response = await ai.models.generateContent({
    model: "gemini-3-flash-preview",
    contents: [
        { text: "Summarize this document" },
        {
            inlineData: {
                mimeType: 'application/pdf',
                data: Buffer.from(fs.readFileSync("document.pdf")).toString("base64")
            }
        }
    ]
});

大規模な PDF の場合、Files API (48 時間保存) を使用します:

uploaded_file = client.files.upload(file=pathlib.Path('large.pdf'))
response = client.models.generate_content(
    model="gemini-3-flash-preview",
    contents=[uploaded_file, "Summarize this document"]
)

Files API、複数の PDF、ベストプラクティスについては references/documents.md を参照してください。

---

画像生成 (Nano Banana)

会話形式で画像を生成・編集します。

response = client.models.generate_content(
    model="gemini-2.5-flash-image",
    contents="Create a picture of a sunset over mountains",
)

for part in response.parts:
    if part.inline_data is not None:
        part.as_image().save("generated.png")

const response = await ai.models.generateContent({
  model: "gemini-2.5-flash-image",
  contents: "Create a picture of a sunset over mountains",
});

for (const part of response.candidates[0].content.parts) {
  if (part.inlineData) {
    const buffer = Buffer.from(part.inlineData.data, "base64");
    fs.writeFileSync("generated.png", buffer);
  }
}

Nano Banana Pro (gemini-3-pro-image-preview): 4K 出力、Google Search グラウンディング、最大 14 個のリファレンス画像、思考署名を伴う会話形式の編集。

編集、マルチターン、高度な機能については references/image-generation.md を参照してください。 Gemini 3 の画像機能については references/gemini-3.md を参照してください。

---

動画生成 (Veo)

Veo を使用して、ネイティブ音声を備えた 8 秒間の 720p、1080p、または 4K 動画を生成します。

import time
from google import genai

client = genai.Client()

operation = client.models.generate_videos(
    model="veo-3.1-generate-preview",
    prompt="A cinematic shot of a majestic lion in the savannah at golden hour",
)

# 完了するまでポーリング (動画生成は非同期)
while not operation.done:
    time.sleep(10)
    operation = client.operations.get(operation)

# 動画をダウンロード
video = operation.response.generated_videos[0]
client.files.download(file=video.video)
video.video.save("lion.mp4")

let operation = await ai.models.generateVideos({
    model: "veo-3.1-generate-preview",
    prompt: "A cinematic shot of a majestic lion in the savannah at golden hour",
});

while (!operation.done) {
    await new Promise(resolve => setTimeout(resolve, 10000));
    operation = await ai.operations.getVideosOperation({ operation });
}

ai.files.download({
    file: operation.response.generatedVideos[0].video,
    downloadPath: "lion.mp4",
});

Veo 3.1 の機能: ポートレート (9:16)、動画拡張 (最大 148s)、4K 解像度、ダイアログと効果音を備えたネイティブ音声。

画像から動画への変換、リファレンス画像、動画拡張、プロンプト作成ガイドについては references/veo.md を参照してください。

---

音楽生成 (Lyria RealTime)

ダイナミック操舵を備えた連続インストゥルメンタル音楽をリアルタイムで生成します。

import asyncio
from google import genai
from google.genai import types

client = genai.Client()

async def main():
    async with client.aio.live.music.connect(model='models/lyria-realtime-exp') as session:
        # プロンプトと設定を設定
        await session.set_weighted_prompts(
            prompts=[types.WeightedPrompt(text='minimal techno', weight=1.0)]
        )
        await session.set_music_generation_config(
            config=types.LiveMusicGenerationConfig(bpm=90, temperature=1.0)
        )

        # ストリーミング開始
        await session.play()

        # 音声チャンクを受け取る
        async for message in session.receive():
            if message.server_content and message.server_content.audio_chunks:
                audio_data = message.server_content.audio_chunks[0].data
                # 音声を処理...

asyncio.run(main())

const session = await ai.live.music.connect({
    model: "models/lyria-realtime-exp",
    callbacks: {
        onmessage: (message) => {
            if (message.serverContent?.audioChunks) {
                for (const chunk of message.serverContent.audioChunks) {
                    const audioBuffer = Buffer.from(chunk.data, "base64");
                    // 音声を処理...
                }
            }
        },
    },
});

await session.setWeightedPrompts({
    weightedPrompts: [{ text: "minimal techno", weight: 1.0 }],
});

await session.setMusicGenerationConfig({
    musicGenerationConfig: { bpm: 90, temperature: 1.0 },
});

await session.play();

出力: 48kHz ステレオ 16 ビット PCM。インストゥルメンタルのみ。BPM、スケール、密度、明るさは設定可能です。

音楽操舵、設定、プロンプト作成ガイドについては references/lyria.md を参照してください。

---

エンベディング

意味的類似性、検索、分類用のテキストエンベディングを生成します。

result = client.models.embed_content(
    model="gemini-embedding-001",
    contents="What is the meaning of life?"
)
print(result.embeddings)

const response = await ai.models.embedContent({
    model: 'gemini-embedding-001',
    contents: 'What is the meaning of life?',
});
console.log(response.embeddings);

タスクタイプ: SEMANTIC_SIMILARITY、CLASSIFICATION、CLUSTERING、RETRIEVAL_DOCUMENT、RETRIEVAL_QUERY

出力次元: 768、1536、3072 (デフォルト)

バッチ処理、タスクタイプ、正規化については references/embeddings.md を参照してください。

---

思考 (Gemini 3)

thinking_level で推論の深さを制御します: minimal (Flash のみ)、low、medium (Flash のみ)、high (デフォルト)。

from google.genai import types

response = client.models.generate_content(
    model="gemini-3-flash-preview",
    contents="Solve this math problem...",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="high")
    ),
)

import { ThinkingLevel } from "@google/genai";

const response = await ai.models.generateContent({
  model: "gemini-3-flash-preview",
  contents: "Solve this math problem...",
  config: { thinkingConfig: { thinkingLevel: ThinkingLevel.HIGH } },
});

注: thinking_level をレガシーな thinking_budget と混在させることはできません (400 エラーが返されます)。

Gemini 2.5 の場合は、代わりに thinking_budget (0-32768) を使用してください。references/thinking.md を参照してください。

完全な Gemini 3 機能 (思考署名、メディア解像度など) については、references/gemini-3.md を参照してください。

---

構造化出力

スキーマに準拠する JSON レスポンスを生成します。

from pydantic import BaseModel
from typing import List

class Recipe(BaseModel):
    name: str
    ingredients: List[str]

response = client.models.generate_content(
    model="gemini-3-flash-preview",
    contents="Extract: chocolate chip cookies need flour, sugar, chips",
    config={
        "response_mime_type": "application/json",
        "response_json_schema": Recipe.model_json_schema(),
    },
)
recipe = Recipe.model_validate_json(response.text)

import { z } from "zod";
import { zodToJsonSchema } from "zod-to-json-schema";

const recipeSchema = z.object({
  name: z.string(),
  ingredients: z.array(z.string()),
});

const response = await ai.models.generateContent({
  model: "gemini-3-flash-preview",
  contents: "Extract: chocolate chip cookies need flour, sugar, chips",
  config: {
    responseMimeType: "application/json",
    responseJsonSchema: zodToJsonSchema(recipeSchema),
  },
});

高度なパターンについては references/structured-outputs.md を参照してください。

---

ビルトインツール (Gemini 3)

利用可能: Google Search、File Search、Code Execution、URL Context、Function Calling

非対応: Google Maps グラウンディング、Computer Use (これらは Gemini 2.5 を使用してください)

response = client.models.generate_content(
    model="gemini-3-pro-preview",
    contents="What's the latest news on AI?",
    config={"tools": [{"google_search": {}}]},
)

const response = await ai.models.generateContent({
  model: "gemini-3-pro-preview",
  contents: "What's the latest news on AI?",
  config: { tools: [{ googleSearch: {} }] },
});

構造化出力 + ツール: Gemini 3 は JSON スキーマをビルトインツール (Google Search、URL Context、Code Execution) と組み合わせることに対応しています。references/gemini-3.md を参照してください。

すべてのツールパターンについては references/tools.md を参照してください。

---

Function Calling

モデルを外部ツールと API に接続します。モデルが関数の呼び出し時期を判断し、パラメータを提供します。

from google.genai import types

# 関数を定義
get_weather = {
    "name": "get_weather",
    "description": "Get weather for a location",
    "parameters": {
        "type": "object",
        "properties": {
            "location": {"type": "string", "description": "City name"},
        },
        "required": ["location"],
    },
}

response = client.models.generate_content(
    model="gemini-3-flash-preview",
    contents="What's the weather in Tokyo?",
    config=types.GenerateContentConfig(
        tools=[types.Tool(function_declarations=[get_weather])]
    ),
)

# 関数呼び出しを確認
if response.function_calls:
    fc = response.function_calls[0]
    print(f"Call {fc.name} with {fc.args}")

const response = await ai.models.generateContent({
  model: "gemini-3-flash-preview",
  contents: "What's the weather in Tokyo?",
  config: {
    tools: [{ functionDeclarations: [getWeather] }],
  },
});

if (response.functionCalls) {
  const { name, args } = response.functionCalls[0];
  // 関数を実行して結果を返送
}

自動関数呼び出し (Python): 自動実行のため、ツールとして関数を直接渡します。

実行モード、合成呼び出し、マルチモーダルレスポンス、MCP インテグレーション、ベストプラクティスについては references/function-calling.md を参照してください。

---

クイックリファレンス

機能	Python	JavaScript
生成	generate_content()	generateContent()
ストリーム	generate_content_stream()	generateContentStream()
チャット	chats.create()	chats.create()
構造化	response_json_schema=	responseJsonSchema:
画像生成	gemini-2.5-flash-image	gemini-2.5-flash-image
動画生成	generate_videos()	generateVideos()
音楽生成	live.music.connect()	live.music.connect()
Function Call	function_declarations	functionDeclarations
エンベディング	embed_content()	embedContent()
Files API	files.upload()	files.upload()

---

Gemini 3 固有機能

高度な Gemini 3 機能については、references/gemini-3.md を参照してください:

• 思考レベル: 推論の深さを制御 (minimal、low、medium、high)
• メディア解像度: 細粒度のマルチモーダル処理 (media_resolution_low ~ ultra_high)
• 思考署名: Function Calling と画像編集コンテキストに必須
• 構造化出力 + ツール: JSON スキーマを Google Search、URL Context と組み合わせ
• マルチモーダル関数レスポンス: ツールレスポンスで画像を返す

---

リソース

• Gemini 3 ガイド
• モデル概要
• 思考ガイド
• 思考署名
• 構造化出力
• 画像生成
• 動画生成 (Veo)
• 音楽生成 (Lyria)
• Function Calling
• ドキュメント処理
• エンベディング
• Google AI Studio
• AI Studio の Gemini 3 Pro
• AI Studio の Gemini 3 Flash
• AI Studio の Nano Banana Pro
• Veo Studio