Guide de démarrage rapide : Générer du texte à l'aide de l'API Gemini dans Vertex AI

Dans ce guide de démarrage rapide, vous allez envoyer les requêtes multimodales suivantes à l'API Gemini dans Vertex AI et afficher les réponses :

• Une requête textuelle
• Une requête et une image
• Une requête et un fichier vidéo (avec une piste audio)

Vous pouvez suivre ce guide de démarrage rapide à l'aide du SDK correspondant à votre langage de programmation dans votre environnement local ou de l'API REST.

Prérequis

Pour suivre ce guide de démarrage rapide, vous devez effectuer les actions suivantes :

• Configurer un projet Google Cloud et activer l'API Vertex AI
• Sur votre ordinateur local :
  • Installer et initialiser la Google Cloud CLI, et s'authentifier
  • Installer le SDK correspondant à votre langage

Configurer un projet Google Cloud

Configurez votre projet Google Cloud et activez l'API Vertex AI.

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Vertex AI API.

   Enable the API

5. Make sure that you have the following role or roles on the project: Vertex AI Platform Express User

   Check for the roles

   1. In the Google Cloud console, go to the IAM page.

      Go to IAM
   2. Select the project.

   3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

   4. For all rows that specify or include you, check the Role column to see whether the list of roles includes the required roles.

   Grant the roles

   1. In the Google Cloud console, go to the IAM page.

      Accéder à IAM
   2. Sélectionnez le projet.
   3. Cliquez sur person_add Accorder l'accès.

   4. Dans le champ Nouveaux comptes principaux, saisissez votre identifiant utilisateur. Il s'agit généralement de l'adresse e-mail d'un compte Google.

   5. Dans la liste Sélectionner un rôle, sélectionnez un rôle.
   6. Pour attribuer des rôles supplémentaires, cliquez sur add Ajouter un autre rôle et ajoutez chaque rôle supplémentaire.
   7. Cliquez sur Enregistrer.

6. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Go to project selector

7. Make sure that billing is enabled for your Google Cloud project.

8. Enable the Vertex AI API.

   Enable the API

9. Make sure that you have the following role or roles on the project: Vertex AI Platform Express User

   Check for the roles

   1. In the Google Cloud console, go to the IAM page.

      Go to IAM
   2. Select the project.

   3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

   4. For all rows that specify or include you, check the Role column to see whether the list of roles includes the required roles.

   Grant the roles

   1. In the Google Cloud console, go to the IAM page.

      Accéder à IAM
   2. Sélectionnez le projet.
   3. Cliquez sur person_add Accorder l'accès.

   4. Dans le champ Nouveaux comptes principaux, saisissez votre identifiant utilisateur. Il s'agit généralement de l'adresse e-mail d'un compte Google.

   5. Dans la liste Sélectionner un rôle, sélectionnez un rôle.
   6. Pour attribuer des rôles supplémentaires, cliquez sur add Ajouter un autre rôle et ajoutez chaque rôle supplémentaire.
   7. Cliquez sur Enregistrer.

   Installer et authentifier la Google Cloud CLI

   Pour utiliser l'API Gemini dans Vertex AI, configurez et authentifiez la Google Cloud CLI sur votre ordinateur local. Contrairement à l'API Gemini dans Google AI Studio, qui utilise des clés API, l'API Gemini dans Vertex AI gère l'accès avec Identity and Access Management.

   1. Installez et initialisez la Google Cloud CLI.

   2. Si vous avez déjà installé la gcloud CLI, exécutez la commande suivante pour vous assurer que vos composants gcloud sont à jour.

      gcloud components update

   3. Pour vous authentifier avec la gcloud CLI, générez un fichier local Identifiants par défaut de l'application (ADC) en exécutant la commande ci-dessous. Le flux Web lancé par la commande permet de fournir vos identifiants utilisateur.

      gcloud auth application-default login

      Pour en savoir plus, consultez Configurer le service Identifiants par défaut de l'application.

   Configurer le SDK correspondant à votre langage de programmation

   Sur votre ordinateur local, cliquez sur l'un des onglets suivants pour installer le SDK correspondant à votre langage de programmation.

   SDK Gen AI pour Python

   Installez et mettez à jour le SDK Gen AI pour Python en exécutant la commande suivante.

   pip install --upgrade google-genai

   SDK Gen AI pour Go

   Installez et mettez à jour le SDK Gen AI pour Go en exécutant la commande suivante.

   go get google.golang.org/genai

   SDK Gen AI pour Node.js

   Installez et mettez à jour le SDK Gen AI pour Node.js en exécutant la commande suivante.

   npm install @google/genai

   SDK Gen AI pour Java

   Installez et mettez à jour le SDK Gen AI pour Java :

   Maven

   Ajoutez le code suivant à votre pom.xml :

   <dependencies>
     <dependency>
       <groupId>com.google.genai</groupId>
       <artifactId>google-genai</artifactId>
       <version>0.7.0</version>
     </dependency>
   </dependencies>
   

   C#

   Installez le package Google.Cloud.AIPlatform.V1 depuis NuGet. Utilisez la méthode de votre choix pour ajouter le package à votre projet. Par exemple, effectuez un clic droit sur le projet dans Visual Studio, puis sélectionnez Gérer les packages NuGet.

   REST

   1. Configurez vos variables d'environnement en saisissant les informations suivantes. Remplacez PROJECT_ID par l'ID de votre projet Google Cloud .

      MODEL_ID="gemini-2.0-flash-001"
      PROJECT_ID="PROJECT_ID"

   2. Exécutez cette commande dans la Google Cloud CLI pour provisionner le point de terminaison.

      gcloud beta services identity create --service=aiplatform.googleapis.com --project=${PROJECT_ID}

   Envoyer une requête à l'API Gemini dans Vertex AI

   Utilisez le code suivant pour envoyer une requête à l'API Gemini dans Vertex AI. Cet exemple renvoie une liste de noms possibles pour un magasin de fleurs spécialisé.

   Vous pouvez exécuter le code à partir de la ligne de commande, à l'aide d'un IDE ou en l'intégrant dans votre application.

   Gen AI SDK for Python

   Installer

   pip install --upgrade google-genai

   Pour en savoir plus, lisez la documentation de référence du SDK.

   Définissez les variables d'environnement pour utiliser le SDK Gen AI avec Vertex AI :

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   from google import genai
   from google.genai.types import HttpOptions
   
   client = genai.Client(http_options=HttpOptions(api_version="v1"))
   response = client.models.generate_content(
       model="gemini-2.5-flash",
       contents="How does AI work?",
   )
   print(response.text)
   # Example response:
   # Okay, let's break down how AI works. It's a broad field, so I'll focus on the ...
   #
   # Here's a simplified overview:
   # ...

   Gen AI SDK for Go

   Découvrez comment installer ou mettre à jour le Gen AI SDK for Go.

   Pour en savoir plus, lisez la documentation de référence du SDK.

   Définissez les variables d'environnement pour utiliser le SDK Gen AI avec Vertex AI :

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   import (
   	"context"
   	"fmt"
   	"io"
   
   	"google.golang.org/genai"
   )
   
   // generateWithText shows how to generate text using a text prompt.
   func generateWithText(w io.Writer) error {
   	ctx := context.Background()
   
   	client, err := genai.NewClient(ctx, &genai.ClientConfig{
   		HTTPOptions: genai.HTTPOptions{APIVersion: "v1"},
   	})
   	if err != nil {
   		return fmt.Errorf("failed to create genai client: %w", err)
   	}
   
   	resp, err := client.Models.GenerateContent(ctx,
   		"gemini-2.0-flash-001",
   		genai.Text("How does AI work?"),
   		nil,
   	)
   	if err != nil {
   		return fmt.Errorf("failed to generate content: %w", err)
   	}
   
   	respText, err := resp.Text()
   	if err != nil {
   		return fmt.Errorf("failed to convert model response to text: %w", err)
   	}
   	fmt.Fprintln(w, respText)
   	// Example response:
   	// That's a great question! Understanding how AI works can feel like ...
   	// ...
   	// **1. The Foundation: Data and Algorithms**
   	// ...
   
   	return nil
   }
   

   Gen AI SDK for Node.js

   Installer

   npm install @google/genai

   Pour en savoir plus, lisez la documentation de référence du SDK.

   Définissez les variables d'environnement pour utiliser le SDK Gen AI avec Vertex AI :

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   const {GoogleGenAI} = require('@google/genai');
   
   const GOOGLE_CLOUD_PROJECT = process.env.GOOGLE_CLOUD_PROJECT;
   const GOOGLE_CLOUD_LOCATION = process.env.GOOGLE_CLOUD_LOCATION || 'global';
   
   async function generateContent(
     projectId = GOOGLE_CLOUD_PROJECT,
     location = GOOGLE_CLOUD_LOCATION
   ) {
     const ai = new GoogleGenAI({
       vertexai: true,
       project: projectId,
       location: location,
     });
   
     const response = await ai.models.generateContent({
       model: 'gemini-2.0-flash',
       contents: 'How does AI work?',
     });
   
     console.log(response.text);
   
     return response.text;
   }

   Gen AI SDK for Java

   Découvrez comment installer ou mettre à jour le Gen AI SDK for Java.

   Pour en savoir plus, lisez la documentation de référence du SDK.

   Définissez les variables d'environnement pour utiliser le SDK Gen AI avec Vertex AI :

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   
   import com.google.genai.Client;
   import com.google.genai.types.Content;
   import com.google.genai.types.GenerateContentResponse;
   import com.google.genai.types.HttpOptions;
   import com.google.genai.types.Part;
   
   public class GenerateContentWithText {
   
     public static void main(String[] args) {
       // TODO(developer): Replace these variables before running the sample.
       String modelId = "gemini-2.0-flash";
       generateContent(modelId);
     }
   
     public static String generateContent(String modelId) {
       // Initialize client that will be used to send requests. This client only needs to be created
       // once, and can be reused for multiple requests.
       try (Client client = Client.builder()
           .httpOptions(HttpOptions.builder().apiVersion("v1").build())
           .build()) {
   
         GenerateContentResponse response =
             client.models.generateContent(modelId, Content.fromParts(
                     Part.fromText("How does AI work?")),
                 null);
   
         System.out.print(response.text());
         // Example response:
         // Okay, let's break down how AI works. It's a broad field, so I'll focus on the ...
         //
         // Here's a simplified overview:
         // ...
         return response.text();
       }
     }
   }

   C#

   Pour envoyer une requête, créez un fichier C# (.cs) et copiez le code suivant dedans. Définissez your-project-id sur l'ID de votre projet Google Cloud . Une fois les valeurs mises à jour, exécutez le code.

   
   using Google.Cloud.AIPlatform.V1;
   using System;
   using System.Threading.Tasks;
   
   public class TextInputSample
   {
       public async Task<string> TextInput(
           string projectId = "your-project-id",
           string location = "us-central1",
           string publisher = "google",
           string model = "gemini-2.0-flash-001")
       {
   
           var predictionServiceClient = new PredictionServiceClientBuilder
           {
               Endpoint = $"{location}-aiplatform.googleapis.com"
           }.Build();
           string prompt = @"What's a good name for a flower shop that specializes in selling bouquets of dried flowers?";
   
           var generateContentRequest = new GenerateContentRequest
           {
               Model = $"projects/{projectId}/locations/{location}/publishers/{publisher}/models/{model}",
               Contents =
               {
                   new Content
                   {
                       Role = "USER",
                       Parts =
                       {
                           new Part { Text = prompt }
                       }
                   }
               }
           };
   
           GenerateContentResponse response = await predictionServiceClient.GenerateContentAsync(generateContentRequest);
   
           string responseText = response.Candidates[0].Content.Parts[0].Text;
           Console.WriteLine(responseText);
   
           return responseText;
       }
   }
   

   REST

   Pour envoyer cette requête, exécutez la commande curl à partir de la ligne de commande ou incluez l'appel REST dans votre application.

   curl -X POST \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   -H "Content-Type: application/json" \
   https://aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/global/publishers/google/models/${MODEL_ID}:generateContent -d \
   $'{
     "contents": {
       "role": "user",
       "parts": [
         {
           "text": "What\'s a good name for a flower shop that specializes in selling bouquets of dried flowers?"
         }
       ]
     }
   }'

   Le modèle renvoie une réponse. Notez que la réponse est générée par section, et chaque section est évaluée séparément pour garantir la sécurité.

   Envoyer une requête et une image à l'API Gemini dans Vertex AI

   Utilisez le code suivant pour envoyer une requête incluant du texte et une image à l'API Gemini dans Vertex AI. Cet exemple renvoie une description de l'image fournie (image pour l'exemple Java).

   Gen AI SDK for Python

   Installer

   pip install --upgrade google-genai

   Pour en savoir plus, lisez la documentation de référence du SDK.

   Définissez les variables d'environnement pour utiliser le SDK Gen AI avec Vertex AI :

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   from google import genai
   from google.genai.types import HttpOptions, Part
   
   client = genai.Client(http_options=HttpOptions(api_version="v1"))
   response = client.models.generate_content(
       model="gemini-2.5-flash",
       contents=[
           "What is shown in this image?",
           Part.from_uri(
               file_uri="gs://cloud-samples-data/generative-ai/image/scones.jpg",
               mime_type="image/jpeg",
           ),
       ],
   )
   print(response.text)
   # Example response:
   # The image shows a flat lay of blueberry scones arranged on parchment paper. There are ...

   Gen AI SDK for Go

   Découvrez comment installer ou mettre à jour le Gen AI SDK for Go.

   Pour en savoir plus, lisez la documentation de référence du SDK.

   Définissez les variables d'environnement pour utiliser le SDK Gen AI avec Vertex AI :

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   import (
   	"context"
   	"fmt"
   	"io"
   
   	genai "google.golang.org/genai"
   )
   
   // generateWithTextImage shows how to generate text using both text and image input
   func generateWithTextImage(w io.Writer) error {
   	ctx := context.Background()
   
   	client, err := genai.NewClient(ctx, &genai.ClientConfig{
   		HTTPOptions: genai.HTTPOptions{APIVersion: "v1"},
   	})
   	if err != nil {
   		return fmt.Errorf("failed to create genai client: %w", err)
   	}
   
   	modelName := "gemini-2.0-flash-001"
   	contents := []*genai.Content{
   		{Parts: []*genai.Part{
   			{Text: "What is shown in this image?"},
   			{FileData: &genai.FileData{
   				// Image source: https://storage.googleapis.com/cloud-samples-data/generative-ai/image/scones.jpg
   				FileURI:  "gs://cloud-samples-data/generative-ai/image/scones.jpg",
   				MIMEType: "image/jpeg",
   			}},
   		}},
   	}
   
   	resp, err := client.Models.GenerateContent(ctx, modelName, contents, nil)
   	if err != nil {
   		return fmt.Errorf("failed to generate content: %w", err)
   	}
   
   	respText, err := resp.Text()
   	if err != nil {
   		return fmt.Errorf("failed to convert model response to text: %w", err)
   	}
   	fmt.Fprintln(w, respText)
   
   	// Example response:
   	// The image shows an overhead shot of a rustic, artistic arrangement on a surface that ...
   
   	return nil
   }
   

   Gen AI SDK for Node.js

   Installer

   npm install @google/genai

   Pour en savoir plus, lisez la documentation de référence du SDK.

   Définissez les variables d'environnement pour utiliser le SDK Gen AI avec Vertex AI :

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   const {GoogleGenAI} = require('@google/genai');
   
   const GOOGLE_CLOUD_PROJECT = process.env.GOOGLE_CLOUD_PROJECT;
   const GOOGLE_CLOUD_LOCATION = process.env.GOOGLE_CLOUD_LOCATION || 'global';
   
   async function generateContent(
     projectId = GOOGLE_CLOUD_PROJECT,
     location = GOOGLE_CLOUD_LOCATION
   ) {
     const ai = new GoogleGenAI({
       vertexai: true,
       project: projectId,
       location: location,
     });
   
     const image = {
       fileData: {
         fileUri: 'gs://cloud-samples-data/generative-ai/image/scones.jpg',
         mimeType: 'image/jpeg',
       },
     };
   
     const response = await ai.models.generateContent({
       model: 'gemini-2.0-flash',
       contents: [image, 'What is shown in this image?'],
     });
   
     console.log(response.text);
   
     return response.text;
   }

   Gen AI SDK for Java

   Découvrez comment installer ou mettre à jour le Gen AI SDK for Java.

   Pour en savoir plus, lisez la documentation de référence du SDK.

   Définissez les variables d'environnement pour utiliser le SDK Gen AI avec Vertex AI :

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   
   import com.google.genai.Client;
   import com.google.genai.types.Content;
   import com.google.genai.types.GenerateContentResponse;
   import com.google.genai.types.HttpOptions;
   import com.google.genai.types.Part;
   
   public class GenerateContentWithTextAndImage {
   
     public static void main(String[] args) {
       // TODO(developer): Replace these variables before running the sample.
       String modelId = "gemini-2.0-flash";
       generateContent(modelId);
     }
   
     public static String generateContent(String modelId) {
       // Initialize client that will be used to send requests. This client only needs to be created
       // once, and can be reused for multiple requests.
       try (Client client = Client.builder()
           .httpOptions(HttpOptions.builder().apiVersion("v1").build())
           .build()) {
   
         GenerateContentResponse response =
             client.models.generateContent(modelId, Content.fromParts(
                     Part.fromText("What is shown in this image?"),
                     Part.fromUri("gs://cloud-samples-data/generative-ai/image/scones.jpg", "image/jpeg")),
                 null);
   
         System.out.print(response.text());
         // Example response:
         // The image shows a flat lay of blueberry scones arranged on parchment paper. There are ...
         return response.text();
       }
     }
   }

   C#

   Pour envoyer une requête, créez un fichier C# (.cs) et copiez le code suivant dedans. Définissez your-project-id sur l'ID de votre projet Google Cloud . Une fois les valeurs mises à jour, exécutez le code.

   
   using Google.Api.Gax.Grpc;
   using Google.Cloud.AIPlatform.V1;
   using System.Text;
   using System.Threading.Tasks;
   
   public class GeminiQuickstart
   {
       public async Task<string> GenerateContent(
           string projectId = "your-project-id",
           string location = "us-central1",
           string publisher = "google",
           string model = "gemini-2.0-flash-001"
       )
       {
           // Create client
           var predictionServiceClient = new PredictionServiceClientBuilder
           {
               Endpoint = $"{location}-aiplatform.googleapis.com"
           }.Build();
   
           // Initialize content request
           var generateContentRequest = new GenerateContentRequest
           {
               Model = $"projects/{projectId}/locations/{location}/publishers/{publisher}/models/{model}",
               GenerationConfig = new GenerationConfig
               {
                   Temperature = 0.4f,
                   TopP = 1,
                   TopK = 32,
                   MaxOutputTokens = 2048
               },
               Contents =
               {
                   new Content
                   {
                       Role = "USER",
                       Parts =
                       {
                           new Part { Text = "What's in this photo?" },
                           new Part { FileData = new() { MimeType = "image/png", FileUri = "gs://generativeai-downloads/images/scones.jpg" } }
                       }
                   }
               }
           };
   
           // Make the request, returning a streaming response
           using PredictionServiceClient.StreamGenerateContentStream response = predictionServiceClient.StreamGenerateContent(generateContentRequest);
   
           StringBuilder fullText = new();
   
           // Read streaming responses from server until complete
           AsyncResponseStream<GenerateContentResponse> responseStream = response.GetResponseStream();
           await foreach (GenerateContentResponse responseItem in responseStream)
           {
               fullText.Append(responseItem.Candidates[0].Content.Parts[0].Text);
           }
   
           return fullText.ToString();
       }
   }
   

   REST

   Vous pouvez envoyer cette requête depuis votre IDE ou intégrer l'appel REST dans votre application, le cas échéant.

   curl -X POST \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   -H "Content-Type: application/json" \
   https://aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/global/publishers/google/models/${MODEL_ID}:generateContent -d \
   $'{
     "contents": {
       "role": "user",
       "parts": [
         {
         "fileData": {
           "mimeType": "image/jpeg",
           "fileUri": "gs://generativeai-downloads/images/scones.jpg"
           }
         },
         {
           "text": "Describe this picture."
         }
       ]
     }
   }'

   Le modèle renvoie une réponse. Notez que la réponse est générée par section, et chaque section est évaluée séparément pour garantir la sécurité.

   Envoyer une requête et une vidéo à l'API Gemini dans Vertex AI

   Utilisez le code suivant pour envoyer une requête incluant du texte, de l'audio et une vidéo à l'API Gemini dans Vertex AI. Cet exemple renvoie une description de la vidéo fournie, y compris tous les éléments importants de la piste audio.

   Vous pouvez envoyer cette requête à partir de la ligne de commande, de votre IDE ou en incluant l'appel REST dans votre application.

   Gen AI SDK for Python

   Installer

   pip install --upgrade google-genai

   Pour en savoir plus, lisez la documentation de référence du SDK.

   Définissez les variables d'environnement pour utiliser le SDK Gen AI avec Vertex AI :

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   from google import genai
   from google.genai.types import HttpOptions, Part
   
   client = genai.Client(http_options=HttpOptions(api_version="v1"))
   prompt = """
   Analyze the provided video file, including its audio.
   Summarize the main points of the video concisely.
   Create a chapter breakdown with timestamps for key sections or topics discussed.
   """
   response = client.models.generate_content(
       model="gemini-2.5-flash",
       contents=[
           Part.from_uri(
               file_uri="gs://cloud-samples-data/generative-ai/video/pixel8.mp4",
               mime_type="video/mp4",
           ),
           prompt,
       ],
   )
   
   print(response.text)
   # Example response:
   # Here's a breakdown of the video:
   #
   # **Summary:**
   #
   # Saeka Shimada, a photographer in Tokyo, uses the Google Pixel 8 Pro's "Video Boost" feature to ...
   #
   # **Chapter Breakdown with Timestamps:**
   #
   # * **[00:00-00:12] Introduction & Tokyo at Night:** Saeka Shimada introduces herself ...
   # ...

   Gen AI SDK for Go

   Découvrez comment installer ou mettre à jour le Gen AI SDK for Go.

   Pour en savoir plus, lisez la documentation de référence du SDK.

   Définissez les variables d'environnement pour utiliser le SDK Gen AI avec Vertex AI :

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   import (
   	"context"
   	"fmt"
   	"io"
   
   	genai "google.golang.org/genai"
   )
   
   // generateWithVideo shows how to generate text using a video input.
   func generateWithVideo(w io.Writer) error {
   	ctx := context.Background()
   
   	client, err := genai.NewClient(ctx, &genai.ClientConfig{
   		HTTPOptions: genai.HTTPOptions{APIVersion: "v1"},
   	})
   	if err != nil {
   		return fmt.Errorf("failed to create genai client: %w", err)
   	}
   
   	modelName := "gemini-2.0-flash-001"
   	contents := []*genai.Content{
   		{Parts: []*genai.Part{
   			{Text: `Analyze the provided video file, including its audio.
   Summarize the main points of the video concisely.
   Create a chapter breakdown with timestamps for key sections or topics discussed.`},
   			{FileData: &genai.FileData{
   				FileURI:  "gs://cloud-samples-data/generative-ai/video/pixel8.mp4",
   				MIMEType: "video/mp4",
   			}},
   		}},
   	}
   
   	resp, err := client.Models.GenerateContent(ctx, modelName, contents, nil)
   	if err != nil {
   		return fmt.Errorf("failed to generate content: %w", err)
   	}
   
   	respText, err := resp.Text()
   	if err != nil {
   		return fmt.Errorf("failed to convert model response to text: %w", err)
   	}
   	fmt.Fprintln(w, respText)
   
   	// Example response:
   	// Here's an analysis of the provided video file:
   	//
   	// **Summary**
   	//
   	// The video features Saeka Shimada, a photographer in Tokyo, who uses the new Pixel phone ...
   	//
   	// **Chapter Breakdown**
   	//
   	// *   **0:00-0:05**: Introduction to Saeka Shimada and her work as a photographer in Tokyo.
   	// ...
   
   	return nil
   }
   

   Gen AI SDK for Node.js

   Installer

   npm install @google/genai

   Pour en savoir plus, lisez la documentation de référence du SDK.

   Définissez les variables d'environnement pour utiliser le SDK Gen AI avec Vertex AI :

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   const {GoogleGenAI} = require('@google/genai');
   
   const GOOGLE_CLOUD_PROJECT = process.env.GOOGLE_CLOUD_PROJECT;
   const GOOGLE_CLOUD_LOCATION = process.env.GOOGLE_CLOUD_LOCATION || 'global';
   
   async function generateContent(
     projectId = GOOGLE_CLOUD_PROJECT,
     location = GOOGLE_CLOUD_LOCATION
   ) {
     const ai = new GoogleGenAI({
       vertexai: true,
       project: projectId,
       location: location,
     });
   
     const prompt = `
     Analyze the provided video file, including its audio.
     Summarize the main points of the video concisely.
     Create a chapter breakdown with timestamps for key sections or topics discussed.
    `;
   
     const video = {
       fileData: {
         fileUri: 'gs://cloud-samples-data/generative-ai/video/pixel8.mp4',
         mimeType: 'video/mp4',
       },
     };
   
     const response = await ai.models.generateContent({
       model: 'gemini-2.0-flash',
       contents: [video, prompt],
     });
   
     console.log(response.text);
   
     return response.text;
   }

   Gen AI SDK for Java

   Découvrez comment installer ou mettre à jour le Gen AI SDK for Java.

   Pour en savoir plus, lisez la documentation de référence du SDK.

   Définissez les variables d'environnement pour utiliser le SDK Gen AI avec Vertex AI :

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   
   import com.google.genai.Client;
   import com.google.genai.types.Content;
   import com.google.genai.types.GenerateContentResponse;
   import com.google.genai.types.HttpOptions;
   import com.google.genai.types.Part;
   
   public class GenerateContentWithVideo {
   
     public static void main(String[] args) {
       // TODO(developer): Replace these variables before running the sample.
       String modelId = "gemini-2.0-flash";
       String prompt = " Analyze the provided video file, including its audio.\n"
           + "    Summarize the main points of the video concisely.\n"
           + "    Create a chapter breakdown with timestamps for key sections or topics discussed.";
       generateContent(modelId, prompt);
     }
   
     public static String generateContent(String modelId, String prompt) {
       // Initialize client that will be used to send requests. This client only needs to be created
       // once, and can be reused for multiple requests.
       try (Client client = Client.builder()
           .httpOptions(HttpOptions.builder().apiVersion("v1").build())
           .build()) {
   
         GenerateContentResponse response =
             client.models.generateContent(modelId, Content.fromParts(
                     Part.fromText(prompt),
                     Part.fromUri("gs://cloud-samples-data/generative-ai/video/pixel8.mp4", "video/mp4")),
                 null);
   
         System.out.print(response.text());
         // Example response:
         // Here's a breakdown of the video:
         //
         // **Summary:**
         //
         // Saeka Shimada, a photographer in Tokyo, uses the Google Pixel 8 Pro's "Video Boost" feature
         // to ...
         //
         // **Chapter Breakdown with Timestamps:**
         //
         // * **[00:00-00:12] Introduction & Tokyo at Night:** Saeka Shimada introduces herself ...
         return response.text();
       }
     }
   }

   C#

   Pour envoyer une requête, créez un fichier C# (.cs) et copiez le code suivant dedans. Définissez your-project-id sur l'ID de votre projet Google Cloud . Une fois les valeurs mises à jour, exécutez le code.

   
   using Google.Cloud.AIPlatform.V1;
   using System;
   using System.Threading.Tasks;
   
   public class VideoInputWithAudio
   {
       public async Task<string> DescribeVideo(
           string projectId = "your-project-id",
           string location = "us-central1",
           string publisher = "google",
           string model = "gemini-2.0-flash-001")
       {
   
           var predictionServiceClient = new PredictionServiceClientBuilder
           {
               Endpoint = $"{location}-aiplatform.googleapis.com"
           }.Build();
   
           string prompt = @"Provide a description of the video.
   The description should also contain anything important which people say in the video.";
   
           var generateContentRequest = new GenerateContentRequest
           {
               Model = $"projects/{projectId}/locations/{location}/publishers/{publisher}/models/{model}",
               Contents =
               {
                   new Content
                   {
                       Role = "USER",
                       Parts =
                       {
                           new Part { Text = prompt },
                           new Part { FileData = new() { MimeType = "video/mp4", FileUri = "gs://cloud-samples-data/generative-ai/video/pixel8.mp4" }}
                       }
                   }
               }
           };
   
           GenerateContentResponse response = await predictionServiceClient.GenerateContentAsync(generateContentRequest);
   
           string responseText = response.Candidates[0].Content.Parts[0].Text;
           Console.WriteLine(responseText);
   
           return responseText;
       }
   }
   

   REST

   curl -X POST \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   -H "Content-Type: application/json" \
   https://aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/global/publishers/google/models/${MODEL_ID}:generateContent -d \
   $'{
     "contents": {
       "role": "user",
       "parts": [
         {
         "fileData": {
           "mimeType": "video/mp4",
           "fileUri": "gs://cloud-samples-data/generative-ai/video/pixel8.mp4"
           }
         },
         {
           "text": "Provide a description of the video. The description should also contain anything important which people say in the video."
         }
       ]
     }
   }'

   Le modèle renvoie une réponse. Notez que la réponse est générée par section, et chaque section est évaluée séparément pour garantir la sécurité.

   Étape suivante

   • Apprenez-en plus sur l'API Gemini dans Vertex AI.
   • Consultez la documentation de référence du SDK Google Gen AI.
   • Découvrez comment appeler des modèles Vertex AI à l'aide des bibliothèques OpenAI.