Gemini Developer API

Gemini Developer API предоставляет доступ к моделям Gemini от Google, позволяя встраивать в приложения Android передовые функции на основе генеративного ИИ, такие как чат, генерация изображений (с помощью Nano Banana) и генерация текста на основе текстовых, графических, аудио- и видеозапросов.

Чтобы получить доступ к моделям Gemini Pro и Flash, вы можете использовать Gemini Developer API с Firebase AI Logic. Для начала работы не требуется указывать способ оплаты (например, кредитную карту), а бесплатный план предоставляет широкие возможности. Проверив интеграцию на небольшой пользовательской базе, вы можете перейти на платный уровень.

Иллюстрация, на которой показано, как приложение Android использует Firebase Android SDK для отправки запросов в серверную часть Firebase в облаке. Запросы направляются в Gemini Developer API, который может использовать модели Gemini Pro и Flash.
Рисунок 1. Архитектура интеграции Firebase AI Logic для доступа к Gemini Developer API.

Начало работы

Прежде чем взаимодействовать с Gemini API напрямую из приложения, вам нужно выполнить несколько действий, в том числе ознакомиться с запросами, а также настроить Firebase и приложение для использования SDK.

Экспериментируйте с запросами

Экспериментируя с запросами, вы можете найти лучшие формулировки, контент и формат для своего приложения Android. Google AI Studio – это интегрированная среда разработки (IDE), которую можно использовать для создания прототипов и разработки запросов для сценариев использования вашего приложения.

Чтобы создать эффективные запросы для вашего сценария использования, нужно провести множество экспериментов. Это важная часть процесса. Подробнее о запросах можно узнать в документации Firebase.

Когда вы будете довольны запросом, нажмите кнопку <>, чтобы получить фрагменты кода, которые можно добавить в свой код.

Как настроить проект Firebase и подключить к нему приложение

Когда вы будете готовы вызвать API из приложения, следуйте инструкциям из шага 1 руководства по началу работы с Firebase AI Logic, чтобы настроить Firebase и включить необходимые API и сервисы.

Добавьте зависимости Gradle

Добавьте в модуль приложения следующие зависимости Gradle:

Kotlin

dependencies {
  // ... other androidx dependencies

  // Import the BoM for the Firebase platform
  implementation(platform("com.google.firebase:firebase-bom:35.1.0"))

  // Add the dependencies for the Firebase AI Logic and App Check libraries
  // When using the BoM, you don't specify versions in Firebase library dependencies
  implementation("com.google.firebase:firebase-ai")
  implementation("com.google.firebase:firebase-appcheck-debug")
}

Java

dependencies {
  // Import the BoM for the Firebase platform
  implementation(platform("com.google.firebase:firebase-bom:35.1.0"))

  // Add the dependencies for the Firebase AI Logic and App Check libraries
  // When using the BoM, you don't specify versions in Firebase library dependencies
  implementation("com.google.firebase:firebase-ai")
  implementation("com.google.firebase:firebase-appcheck-debug")

  // Required for one-shot operations (to use `ListenableFuture` from Guava Android)
  implementation("com.google.guava:guava:31.0.1-android")

  // Required for streaming operations (to use `Publisher` from Reactive Streams)
  implementation("org.reactivestreams:reactive-streams:1.0.4")
}

Как настроить отладочного поставщика Проверки приложений для локальной разработки

С начала июля 2026 года в рамках пошаговой настройки AI Logic в консоли Firebase для защиты Gemini API автоматически применяется проверка приложений Firebase. Для локальной разработки необходимо настроить отладочный поставщик Проверки приложений, чтобы обходить аттестацию, сохраняя при этом принудительное применение Проверки приложений.

  1. В отладочной сборке настройте Проверку приложений на использование фабрики отладочных поставщиков:

    Kotlin

    Firebase.initialize(context = this)
    Firebase.appCheck.installAppCheckProviderFactory(
        DebugAppCheckProviderFactory.getInstance(),
    )
    

    Java

    FirebaseApp.initializeApp(/*context=*/ this);
    FirebaseAppCheck firebaseAppCheck = FirebaseAppCheck.getInstance();
    firebaseAppCheck.installAppCheckProviderFactory(
            DebugAppCheckProviderFactory.getInstance());
    
  2. Получите токен отладки:

    1. Запустите приложение в эмуляторе или на тестовом устройстве.

    2. Найдите в журналах токен отладки Проверки приложений. Пример:

      D DebugAppCheckProvider: Enter this debug secret into the allow list
      in the Firebase Console for your project: 123a4567-b89c-12d3-e456-789012345678
      
    3. Скопируйте токен (например, 123a4567-b89c-12d3-e456-789012345678).

  3. Зарегистрируйте токен отладки в Проверке приложений:

    1. В консоли Firebase перейдите в раздел Security (Безопасность) > App Check (Проверка приложений) > Apps (Приложения).

    2. Найдите свое приложение, нажмите на значок дополнительного меню () и выберите Управление токенами отладки.

    3. Зарегистрируйте токен отладки, следуя инструкциям на экране.

Подробную информацию об отладочном поставщике, в том числе о том, как получить новый токен отладки, можно найти в официальной документации по Проверке приложений.

Инициализация генеративной модели

Сначала создайте экземпляр GenerativeModel и укажите название модели:

Kotlin

// Start by instantiating a GenerativeModel and specifying the model name:
val model = Firebase.ai(backend = GenerativeBackend.googleAI())
    .generativeModel("gemini-3.5-flash")

Java

GenerativeModel firebaseAI = FirebaseAI.getInstance(GenerativeBackend.googleAI())
        .generativeModel("gemini-3.5-flash");

GenerativeModelFutures model = GenerativeModelFutures.from(firebaseAI);

Подробнее о доступных моделях для использования с Gemini Developer API… Подробнее о настройке параметров модели…

Как взаимодействовать с Gemini Developer API из приложения

Теперь, когда вы настроили Firebase и приложение для использования SDK, вы можете взаимодействовать с Gemini Developer API из своего приложения.

Генерировать текст

Чтобы сгенерировать текстовый ответ, вызовите generateContent() с вашим запросом.

Kotlin

scope.launch {
    val response = model.generateContent("Write a story about a magic backpack.")
}

Java

Content prompt = new Content.Builder()
        .addText("Write a story about a magic backpack.")
        .build();

ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        String resultText = result.getText();
    }

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Генерируйте текст на основе изображений и других медиафайлов

Вы также можете генерировать текст на основе запроса, который включает текст и изображения или другие медиафайлы. При вызове generateContent() вы можете передать медиафайл как встроенные данные.

Например, чтобы использовать битовую карту, укажите тип контента image:

Kotlin

scope.launch {
    val response = model.generateContent(
        content {
            image(bitmap)
            text("what is the object in the picture?")
        }
    )
}

Java

Content content = new Content.Builder()
        .addImage(bitmap)
        .addText("what is the object in the picture?")
        .build();

ListenableFuture<GenerateContentResponse> response = model.generateContent(content);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        String resultText = result.getText();
    }

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Чтобы передать аудиофайл, используйте тип контента inlineData:

Kotlin

scope.launch {
    val contentResolver = applicationContext.contentResolver
    contentResolver.openInputStream(audioUri).use { stream ->
        stream?.let {
            val bytes = it.readBytes()

            val prompt = content {
                inlineData(bytes, "audio/mpeg") // Specify the appropriate audio MIME type
                text("Transcribe this audio recording.")
            }

            val response = model.generateContent(prompt)
        }
    }
}

Java

ContentResolver resolver = applicationContext.getContentResolver();

try (InputStream stream = resolver.openInputStream(audioUri)) {
    File audioFile = new File(new URI(audioUri.toString()));
    int audioSize = (int) audioFile.length();
    byte[] audioBytes = new byte[audioSize];
    if (stream != null) {
        stream.read(audioBytes, 0, audioBytes.length);
        stream.close();

        // Provide a prompt that includes audio specified earlier and text
        Content prompt = new Content.Builder()
                .addInlineData(audioBytes, "audio/mpeg")  // Specify the appropriate audio MIME type
                .addText("Transcribe what's said in this audio recording.")
                .build();

        // To generate text output, call `generateContent` with the prompt
        ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
        Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
            @Override
            public void onSuccess(GenerateContentResponse result) {
                String text = result.getText();
                Log.d(TAG, (text == null) ? "" : text);
            }
            @Override
            public void onFailure(Throwable t) {
                Log.e(TAG, "Failed to generate a response", t);
            }
        }, executor);
    } else {
        Log.e(TAG, "Error getting input stream for file.");
        // Handle the error appropriately
    }
} catch (IOException e) {
    Log.e(TAG, "Failed to read the audio file", e);
} catch (URISyntaxException e) {
    Log.e(TAG, "Invalid audio file", e);
}

Чтобы предоставить видеофайл, используйте тип контента inlineData:

Kotlin

scope.launch {
    val contentResolver = applicationContext.contentResolver
    contentResolver.openInputStream(videoUri).use { stream ->
        stream?.let {
            val bytes = it.readBytes()

            val prompt = content {
                inlineData(bytes, "video/mp4") // Specify the appropriate video MIME type
                text("Describe the content of this video")
            }

            val response = model.generateContent(prompt)
        }
    }
}

Java

ContentResolver resolver = applicationContext.getContentResolver();

try (InputStream stream = resolver.openInputStream(videoUri)) {
    File videoFile = new File(new URI(videoUri.toString()));
    int videoSize = (int) videoFile.length();
    byte[] videoBytes = new byte[videoSize];
    if (stream != null) {
        stream.read(videoBytes, 0, videoBytes.length);
        stream.close();

        // Provide a prompt that includes video specified earlier and text
        Content prompt = new Content.Builder()
                .addInlineData(videoBytes, "video/mp4")
                .addText("Describe the content of this video")
                .build();

        // To generate text output, call generateContent with the prompt
        ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
        Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
            @Override
            public void onSuccess(GenerateContentResponse result) {
                String resultText = result.getText();
                System.out.println(resultText);
            }

            @Override
            public void onFailure(Throwable t) {
                t.printStackTrace();
            }
        }, executor);
    }
} catch (IOException e) {
    e.printStackTrace();
} catch (URISyntaxException e) {
    e.printStackTrace();
}

Аналогичным образом можно передавать документы в формате PDF (application/pdf) и обычный текст (text/plain), указав соответствующий MIME-тип в качестве параметра.

Многоэтапный чат

Вы также можете поддерживать многоэтапные разговоры. Инициализируйте чат с помощью функции startChat(). Вы можете предоставить модели историю переписки. Затем вызовите функцию sendMessage(), чтобы отправить сообщения в чат.

Kotlin

val chat = model.startChat(
    history = listOf(
        content(role = "user") { text("Hello, I have 2 dogs in my house.") },
        content(role = "model") { text("Great to meet you. What would you like to know?") }
    )
)

scope.launch {
    val response = chat.sendMessage("How many paws are in my house?")
}

Java

Content.Builder userContentBuilder = new Content.Builder();
userContentBuilder.setRole("user");
userContentBuilder.addText("Hello, I have 2 dogs in my house.");
Content userContent = userContentBuilder.build();

Content.Builder modelContentBuilder = new Content.Builder();
modelContentBuilder.setRole("model");
modelContentBuilder.addText("Great to meet you. What would you like to know?");
Content modelContent = modelContentBuilder.build();

List<Content> history = Arrays.asList(userContent, modelContent);

// Initialize the chat
ChatFutures chat = model.startChat(history);

// Create a new user message
Content.Builder messageBuilder = new Content.Builder();
messageBuilder.setRole("user");
messageBuilder.addText("How many paws are in my house?");

Content message = messageBuilder.build();

// Send the message
ListenableFuture<GenerateContentResponse> response = chat.sendMessage(message);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        String resultText = result.getText();
        System.out.println(resultText);
    }

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Как генерировать изображения на Android с помощью Nano Banana

Модели Gemini Image (также известные как модели Nano Banana) могут генерировать и редактировать изображения, используя знания о мире и логические рассуждения. Они генерируют изображения, соответствующие контексту, и могут чередовать их с текстом. Они также могут генерировать точные визуальные эффекты с длинными текстовыми последовательностями и поддерживают редактирование изображений в диалоговом режиме с сохранением контекста.

В этом руководстве рассказывается, как использовать модели Gemini Image (модели Nano Banana) с помощью Firebase AI Logic SDK для Android. Подробную информацию о том, как генерировать изображения с помощью Gemini, можно найти в документации Firebase.

Интерфейс Google AI Studio с полем ввода текста, в котором указан запрос &quot;Гиперреалистичное изображение тираннозавра с синим рюкзаком, бродящего по доисторическому лесу&quot;, и сгенерированное изображение тираннозавра в лесу с синим рюкзаком.
Рисунок 2. Используйте Google AI Studio, чтобы улучшить запросы для генерации изображений с помощью Nano Banana в приложении для Android.

Инициализация генеративной модели

Создайте экземпляр GenerativeModel и укажите название модели Gemini Image (например, gemini-3.1-flash-image). Затем настройте responseModalities, чтобы включить и TEXT, и IMAGE для генерации чередующихся текста и изображений. Если исключить TEXT, модель будет возвращать только изображения.

Kotlin

val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
    modelName = "gemini-3.1-flash-image",
    // Configure the model to respond with images (required) and text (optional)
    generationConfig = generationConfig {
        responseModalities = listOf(
            ResponseModality.TEXT,
            ResponseModality.IMAGE
        )
    }
)

Java

GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI()).generativeModel(
        "gemini-3.1-flash-image",
        // Configure the model to respond with text and images (required)
        new GenerationConfig.Builder()
                .setResponseModalities(Arrays.asList(ResponseModality.TEXT, ResponseModality.IMAGE))
                .build()
);
GenerativeModelFutures model = GenerativeModelFutures.from(ai);

Генерировать изображения (только текстовый запрос)

Вы можете попросить модель Gemini сгенерировать изображения, предоставив текстовый запрос:

Kotlin

scope.launch {
    // Provide a text prompt instructing the model to generate an image
    val prompt =
        "A hyper realistic picture of a t-rex with a blue bag pack roaming a pre-historic forest."
    // To generate image output, call `generateContent` with the text input
    val generatedImageAsBitmap: Bitmap? = model.generateContent(prompt)
        .candidates.first().content.parts.filterIsInstance<ImagePart>()
        .firstOrNull()?.image
}

Java

// Provide a text prompt instructing the model to generate an image
Content prompt = new Content.Builder()
        .addText("Generate an image of the Eiffel Tower with fireworks in the background.")
        .build();
// To generate an image, call `generateContent` with the text input
ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        // iterate over all the parts in the first candidate in the result object
        for (Part part : result.getCandidates().get(0).getContent().getParts()) {
            if (part instanceof ImagePart) {
                ImagePart imagePart = (ImagePart) part;
                // The returned image as a bitmap
                Bitmap generatedImageAsBitmap = imagePart.getImage();
                break;
            }
        }
    }
    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Редактирование изображений (текстовый и графический запрос)

Вы можете попросить модель Gemini отредактировать существующие изображения, предоставив в запросе текст и одно или несколько изображений:

Kotlin

scope.launch {
    // Provide a text prompt instructing the model to edit the image
    val prompt = content {
        image(bitmap)
        text("Edit this image to make it look like a cartoon")
    }
    // To edit the image, call `generateContent` with the prompt (image and text input)
    val generatedImageAsBitmap: Bitmap? = model.generateContent(prompt)
        .candidates.first().content.parts.filterIsInstance<ImagePart>().firstOrNull()?.image
    // Handle the generated text and image
}

Java

// Provide an image for the model to edit
Bitmap bitmap = BitmapFactory.decodeResource(resources, R.drawable.scones);
// Provide a text prompt instructing the model to edit the image
Content promptcontent = new Content.Builder()
        .addImage(bitmap)
        .addText("Edit this image to make it look like a cartoon")
        .build();
// To edit the image, call `generateContent` with the prompt (image and text input)
ListenableFuture<GenerateContentResponse> response = model.generateContent(promptcontent);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        // iterate over all the parts in the first candidate in the result object
        for (Part part : result.getCandidates().get(0).getContent().getParts()) {
            if (part instanceof ImagePart) {
                ImagePart imagePart = (ImagePart) part;
                Bitmap generatedImageAsBitmap = imagePart.getImage();
                break;
            }
        }
    }
    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Редактируйте изображения в чате

Чтобы редактировать изображения в формате диалога, используйте многоэтапный чат. Это позволяет отправлять последующие запросы на уточнение изменений без необходимости повторной отправки исходного изображения.

Сначала инициализируйте чат с startChat(), при необходимости указав историю сообщений. Затем используйте sendMessage() для последующих сообщений:

Kotlin

scope.launch {
    // Create the initial prompt instructing the model to edit the image
    val prompt = content {
        image(bitmap)
        text("Edit this image to make it look like a cartoon")
    }
    // Initialize the chat
    val chat = model.startChat()
    // To generate an initial response, send a user message with the image and text prompt
    var response = chat.sendMessage(prompt)
    // Inspect the returned image
    var generatedImageAsBitmap: Bitmap? = response
        .candidates.first().content.parts.filterIsInstance<ImagePart>().firstOrNull()?.image
    // Follow up requests do not need to specify the image again
    response = chat.sendMessage("But make it old-school line drawing style")
    generatedImageAsBitmap = response
        .candidates.first().content.parts.filterIsInstance<ImagePart>().firstOrNull()?.image
}

Java

// Provide an image for the model to edit
Bitmap bitmap = BitmapFactory.decodeResource(resources, R.drawable.scones);
// Initialize the chat
ChatFutures chat = model.startChat();
// Create the initial prompt instructing the model to edit the image
Content prompt = new Content.Builder()
        .setRole("user")
        .addImage(bitmap)
        .addText("Edit this image to make it look like a cartoon")
        .build();
// To generate an initial response, send a user message with the image and text prompt
ListenableFuture<GenerateContentResponse> response = chat.sendMessage(prompt);
// Extract the image from the initial response
ListenableFuture<Bitmap> initialRequest = Futures.transform(response,
        result -> {
            for (Part part : result.getCandidates().get(0).getContent().getParts()) {
                if (part instanceof ImagePart) {
                    ImagePart imagePart = (ImagePart) part;
                    return imagePart.getImage();
                }
            }
            return null;
        }, executor);
// Follow up requests do not need to specify the image again
ListenableFuture<GenerateContentResponse> modelResponseFuture = Futures.transformAsync(
        initialRequest,
        generatedImage -> {
            Content followUpPrompt = new Content.Builder()
                    .addText("But make it old-school line drawing style")
                    .build();
            return chat.sendMessage(followUpPrompt);
        }, executor);
// Add a final callback to check the reworked image
Futures.addCallback(modelResponseFuture, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        for (Part part : result.getCandidates().get(0).getContent().getParts()) {
            if (part instanceof ImagePart) {
                ImagePart imagePart = (ImagePart) part;
                Bitmap generatedImageAsBitmap = imagePart.getImage();
                break;
            }
        }
    }
    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Ограничения и примечания

Обратите внимание на следующие особенности и ограничения:

  • Формат вывода. Изображения генерируются в формате PNG с максимальным размером 1024 пкс.
  • Типы входных данных. Модель не поддерживает аудио- и видеофайлы для генерации изображений.
  • Поддержка языков. Для наилучшей производительности используйте следующие языки: английский (en), испанский (Мексика) (es-mx), японский (ja-jp), китайский (упрощенный) (zh-cn) и хинди (hi-in).
  • Проблемы с генерацией:
    • Иногда генерирование изображений может не срабатывать, и в результате вы будете получать только текст. Попробуйте явно попросить сгенерировать изображение (например, "сгенерируй изображение", "добавляй изображения по ходу дела", "обнови изображение").
    • Модель может остановиться на полпути. Повторите попытку или используйте другой запрос.
    • Модель может генерировать текст в виде изображения. Попробуйте явно попросить сгенерировать текст, например "создай текст и иллюстрации к нему".

Подробную информацию можно найти в документации Firebase.

Дальнейшие действия

После настройки приложения рекомендуем выполнить следующие действия: