开发者文档

API 文档

参照 Gemini API 与 Google Nano Banana 官方文档:对话通过 OpenAI 兼容接口调用,图片、视频与音乐通过原生 generateContent 调用,配音走 /v1/audio/speech。

OpenAI 兼容https://api.aisoui.com/v1
Gemini 兼容https://api.aisoui.com/v1beta
鉴权Bearer sk-...

概述

Aisoui 模型中转站将主流 AI 模型封装为易于集成的 HTTP API。对外地址为 https://api.aisoui.com/v1,提供 OpenAI Chat Completions 兼容接口,现有 OpenAI SDK / 客户端只需替换 Base URL 与 API Key 即可接入。

用途方法路径
健康检查GET/health
列出模型(OpenAI)GET/v1/models
列出模型(Gemini,含媒体模型)GET/v1beta/models
对话补全POST/v1/chat/completions
图片(OpenAI 格式)POST/v1/images/generations
图片 / 音乐POST/v1beta/models/{model}:generateContent
流式生成(SSE)POST/v1beta/models/{model}:streamGenerateContent
配音POST/v1/audio/speech
设计音色POST/v1/audio/voices/design
我的音色GET/v1/audio/voices
删除音色DELETE/v1/audio/voices/{id}
视频生成(异步)POST/v1/videos/generations
语音转写POST/v1beta/models/gemini-3.5-transcribe:generateContent
判断POST/v1beta/decisions

文档内示例提供 cURL、Python、JavaScript、TypeScript、Go、Java 标签页,均可一键复制;切换语言后全站代码块会跟随。

控制台还提供「游乐场」(对话 + 图片/PDF/短视频分析,可直接生成 PDF / Word 等文件)、「图片工作室」「视频工作室」「音乐工作室」「配音」「语音转写」,适合调试;生产环境建议使用 API Key 调用 /v1/chat/completions、/v1beta/...:generateContent 或 /v1/audio/speech。

快速开始

  1. 注册 / 登录控制台,在「API 密钥」创建密钥(格式 sk-...)。
  2. 将请求 Base URL 设为 https://api.aisoui.com/v1(域名 api.aisoui.com)。
  3. 请求头添加 Authorization: Bearer YOUR_API_KEY。
  4. 在 model 字段指定模型 ID,如 gemini-3.8-flash。
  5. 账户需有足够余额,充值方式见「定价与计费」。
用 SDK 接入 — 本站 /v1 接口兼容 OpenAI Chat Completions。各语言示例中的 YOUR_API_KEY 请替换为控制台创建的密钥;baseURL / base_url 设为 https://api.aisoui.com/v1。点代码块右上角「填入我的 Key」,本页所有示例会一起替换。

1. 列出模型

GET /v1/models — 确认 Key 有效并查看当前账号可用 model id。

import httpx

resp = httpx.get(
    "https://api.aisoui.com/v1/models",
    headers={"Authorization": f"Bearer YOUR_API_KEY"},
    timeout=60.0,
)
resp.raise_for_status()
for m in resp.json().get("data", []):
    print(m.get("id"), m.get("owned_by", ""))

2. 发起对话(非流式)

POST /v1/chat/completions — 推荐 Python / Node 使用 OpenAI 官方 SDK,仅改 Base URL 与 API Key。

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.aisoui.com/v1",
)

completion = client.chat.completions.create(
    model="gemini-3.8-flash",
    messages=[{"role": "user", "content": "用三句话介绍你自己"}],
)
print(completion.choices[0].message.content)

身份验证

API Key(对外接口)

所有对外 API 均需在 Header 中携带:

请求头
Authorization: Bearer sk-xxxxxxxx

接口范围与 Key 权限:

  • OpenAI 兼容:/v1/models、/v1/chat/completions、/v1/images/generations、/v1/audio/speech、/v1/videos/generations
  • Gemini 兼容:GET /v1beta/models、POST /v1beta/models/{model}:generateContent、:streamGenerateContent(图片、音乐、转写等)、POST /v1beta/decisions

创建 Key 时可选择权限:

  • 完全访问:全部 /v1/* 与 /v1beta/* 接口
  • 标准:模型列表 + 对话 + 图片 + generateContent / streamGenerateContent + 配音 + 视频 + 判断
  • 只读:仅模型列表(GET /v1/models、GET /v1beta/models)

模型

请求中的 model 使用下方模型 ID(与 Google Gemini 官方 ID 一致)。可通过 List Models 接口获取完整列表。

列出模型

与 OpenAI SDK 的 client.models.list() 等价;也可在接入前用 curl 自检。

import httpx

resp = httpx.get(
    "https://api.aisoui.com/v1/models",
    headers={"Authorization": f"Bearer YOUR_API_KEY"},
    timeout=60.0,
)
resp.raise_for_status()
for m in resp.json().get("data", []):
    print(m.get("id"), m.get("owned_by", ""))

完整模型列表(GET /v1beta/models)

  • GET /v1/models 只返回对话模型,保持 OpenAI SDK 兼容。
  • 图片、音乐、配音、转写、视频、判断请用 GET /v1beta/models。
  • 返回 Gemini ListModels 结构,并额外带非标准字段 apiEndpoint,指明该模型应调用的端点。
  • 支持 pageSize(默认 50,最大 200)与 pageToken 分页。
  • 单个模型可用 GET /v1beta/models/{model}。
cURL
curl -s \
  "https://api.aisoui.com/v1beta/models?pageSize=50" \
  -H "Authorization: Bearer YOUR_API_KEY"
响应示例
{
  "models": [
    {
      "name": "models/gemini-3.8-flash",
      "displayName": "Gemini 3.8 Flash",
      "description": "已正式发布 (GA),当前最智能的 Flash…",
      "inputTokenLimit": 8192,
      "outputTokenLimit": 8192,
      "supportedGenerationMethods": ["generateContent", "streamGenerateContent"],
      "apiEndpoint": "/v1/chat/completions"
    },
    {
      "name": "models/gemini-nano-banana-2.1",
      "displayName": "Nano Banana 2.1",
      "supportedGenerationMethods": ["generateContent"],
      "apiEndpoint": "/v1/images/generations"
    },
    {
      "name": "models/minimax-h3-highspeed",
      "displayName": "MiniMax H3 Highspeed",
      "supportedGenerationMethods": ["predictLongRunning"],
      "apiEndpoint": "/v1/videos/generations"
    },
    {
      "name": "models/gemini-decision-1",
      "displayName": "Gemini Decision 1",
      "inputTokenLimit": 262144,
      "supportedGenerationMethods": ["decisions"],
      "apiEndpoint": "/v1beta/decisions"
    }
  ],
  "nextPageToken": "50"
}
Gemini 4 系列 — Carbon / Argon / Hydrogen 均支持文本、图片、音频、视频与 PDF;均支持 Google Search grounding、代码执行、函数调用、Computer Use 与结构化输出。1M 统一上下文,默认输出 64K,长解码最高 1M。思考 token 计入输出用量。
Gemini 3.8 Flash 已正式发布(GA) — 日常默认仍推荐 gemini-3.8-flash;需要更强推理时再升到 Hydrogen / Argon / Carbon。

Gemini 4 对比

模型模型 ID官方 USD / 1M速度思考级别定位
Gemini 4 Carbongemini-4-carbon$2 / $10(至 11/30)
12/1 起 $4 / $20
更慢、更深low / medium / high最强推理:复杂工程、科学、安全审计
Gemini 4 Argongemini-4-argon$2 / $10(至 11/30)
12/1 起 $4 / $20
中等low / medium / high高效旗舰:多数高难任务,比 Carbon 更省 token
Gemini 4 Hydrogengemini-4-hydrogen$1.50 / $7.50更快low / medium / high / xhigh日常编码与智能体;从 3.8 Flash 升级首选

Carbon / Argon 无官方免费档;Hydrogen 在 Google 免费档可用(有速率限制)。平台侧均按余额扣费。Google 搜索 / 地图 Grounding 按官方配额与搜索次数另计。

gemini-3.8-flash 规格

模态输入:文本 / 图片 / 视频 / 音频 / PDF;输出:文本(不支持生图、Live API、语音生成)
Token 上限输入 1,048,576 · 输出 65,536
能力思考(low / medium / high,minimal 会报错)、搜索 Grounding、函数调用、代码执行、结构化输出、缓存、URL 上下文、文件搜索、Computer Use(预览)
版本Stable:gemini-3.8-flash(2026 年 9 月)

主流对话模型

模型模型 ID说明
Gemini 4 Carbon旗舰gemini-4-carbon最强推理:复杂软件工程、多模态知识工作、科学推理与网络安全
Gemini 4 Argongemini-4-argon高效旗舰:相对 Carbon 更快、每轮更省,覆盖复杂编码与智能体
Gemini 4 Hydrogengemini-4-hydrogen更快更省的 Gemini 4,适合日常编码与智能体;支持 xhigh 思考
Gemini 3.8 FlashGAgemini-3.8-flash默认推荐。当前最智能的 Flash:长周期软件工程、自主智能体与复杂企业工作流,同时保持 Flash 的速度与成本
Gemini 3.1 Progemini-3.1-pro-preview复杂推理与深度分析
Gemini 3.5 Flash-LiteGAgemini-3.5-flash-lite3.5 系列最快、最便宜,适合高吞吐量任务

图片模型(Nano Banana 系列 · 控制台图片工作室)

模型模型 ID说明
Nano Banana 2.1GAgemini-nano-banana-2.1默认推荐。画质、多轮角色一致性与文字排版更好,支持 1K/2K/4K 与超宽画幅
Nano Banana 2gemini-3.1-flash-imageGemini 3.1 Flash Image(官方已弃用,建议改用 2.1)
Nano Banana 2 Litegemini-3.1-flash-lite-image超低延迟、低成本生图与编辑,适合高并发交互
Nano Banana Progemini-3-pro-imageGemini 3 Pro Image,专为专业资产制作设计,支持高级推理(「思考」)与复杂指令、高保真文本
Nano Bananagemini-2.5-flash-imageGemini 2.5 Flash Image,专为速度与效率设计,适合海量低延迟任务

视频模型

模型模型 ID说明
Gemini Omni FlashGAgemini-omni-1.1-flash文生视频 / 图生视频,4 / 6 / 8 秒,720p、1080p,输出带同步音频
Gemini Omni 1.2 FlashGAgemini-omni-1.2-flash同上规格。720p 约 $0.07/秒,1080p $0.104/秒
MiniMax H3 Highspeedminimax-h3-highspeed文生视频 / 图生视频(首帧),4–15 秒,768p,走 Replicate 渠道,出片快、单价低
MiniMax H3 Liteminimax-h3-lite同一套能力,更便宜。4–15 秒,480p / 768p(默认 768p)。480p 用来试镜,短剧成片用 768p

音乐模型(Lyria 系列)

模型模型 ID说明
Lyria 3.5GAlyria-3.5默认推荐。旗舰完整歌曲,结构与人声更好,支持文本或图片输入
Lyria 3 Cliplyria-3-clip-preview固定 30 秒 MP3,适合短片段、循环与预览;含人声、歌词与完整编曲,44.1 kHz 立体声
Lyria 3 Prolyria-3-pro-preview完整歌曲(约数分钟),主歌/副歌/桥段结构;支持文本或图片输入,MP3/WAV 输出

音频 / Live / 专项模型

以下模型走 Gemini 原生专项接口(配音、转写、判断),不出现在对话游乐场。配音调用 POST /v1/audio/speech。视频生成见上方「视频模型」。

模型模型 ID说明
Gemini 3.8 Flash 配音gemini-3.8-flash-tts工作室级配音,见下方「配音」
Gemini 3.8 Flash-Lite 配音gemini-3.8-flash-lite-tts更快的配音,见下方「配音」
Gemini 3.5 Transcribegemini-3.5-transcribe语音转文字,支持语种检测与说话人分离;调用见下方「语音转写」
Gemini Decision 1gemini-decision-1对同一份材料做是非、选择和评分。调用见下方「判断」,POST /v1beta/decisions
Live API 暂未开放 — gemini-3.1-flash-live-preview(实时语音对话)与 gemini-3.5-transcribe-live(实时流式转写)走 WebSocket bidiGenerateContent,平台目前未提供代理,无法通过 API 调用;需要实时能力请用轮询或分段调用上方非实时模型。

对话 API

POST /v1/chat/completions — 兼容 OpenAI Chat Completions。

参数类型说明
modelstring必填,模型 ID
messagesarray必填,{ role, content, images? } 消息数组
messages[].imagesarray可选,多模态附件(见下方)
streamboolean可选,true 启用 SSE 流式
googleSearchboolean可选,true 启用 Google 搜索 Grounding(联网检索实时信息)
temperaturenumber可选,采样温度

多模态附件(图片 / PDF / 短视频分析)

在用户消息的 images 数组中传入附件。控制台「游乐场」会先把文件传到对象存储,消息里只带 URL;OpenAI 兼容接口仍可传 Base64(不含 data: 前缀)。适用于 Gemini 对话模型的视觉理解、文档理解与视频分析(与视频生成接口不同)。

  • 图片:image/*,最多 10 个,单张 ≤ 15MB
  • PDF:application/pdf,最多 6 个,单个 ≤ 15MB
  • 短视频分析:video/mp4、video/webm、video/quicktime,每条消息 1 个,≤ 15MB、≤ 1 分钟
  • 所有附件合计 ≤ 20MB
  • 每项字段:mimeType(必填)、data(Base64)或 url、fileName(可选)
  • 计费:按 Token 用量(视频输入 Token 通常显著高于纯文本)

视频 / 附件分析

messages[].images 为 Aisoui 扩展字段;Python / Node 示例演示读取本地 mp4 并 Base64 编码。生产环境也可用 url 指向已上传文件。

import base64
import httpx
from pathlib import Path

video_b64 = base64.b64encode(Path("clip.mp4").read_bytes()).decode("ascii")

payload = {
    "model": "gemini-3.8-flash",
    "messages": [{
        "role": "user",
        "content": "请总结这段视频的主要内容",
        "images": [{
            "mimeType": "video/mp4",
            "data": video_b64,
        }],
    }],
}

resp = httpx.post(
    "https://api.aisoui.com/v1/chat/completions",
    headers={"Authorization": f"Bearer YOUR_API_KEY"},
    json=payload,
    timeout=300.0,
)
resp.raise_for_status()
print(resp.json()["choices"][0]["message"]["content"])

联网检索(Google Search Grounding)

设置 "googleSearch": true 后,模型可检索 Google 搜索获取实时信息,适合天气、新闻、股价等时效性问题。控制台「游乐场」输入框下方可勾选「联网检索」调试;与图片生成中的 Google 搜索增强为同一底层能力。也可在 Gemini 原生 generateContent 请求体的 tools 中配置 google_search。

联网检索

请求体顶层设置 googleSearch: true。OpenAI SDK 暂不支持该字段,请使用 httpx / fetch 或下方 curl。

import httpx

payload = {
    "model": "gemini-3.8-flash",
    "googleSearch": True,
    "messages": [
        {"role": "user", "content": "今天上海天气怎么样?"},
    ],
}

with httpx.Client(timeout=120.0) as client:
    resp = client.post(
        "https://api.aisoui.com/v1/chat/completions",
        headers={
            "Authorization": f"Bearer YOUR_API_KEY",
            "Content-Type": "application/json",
        },
        json=payload,
    )
    resp.raise_for_status()
    print(resp.json()["choices"][0]["message"]["content"])

纯文本对话

最简 Chat Completions 调用;模型 ID 可换为 gemini-4-hydrogen、gemini-4-argon、gemini-4-carbon 等。

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.aisoui.com/v1",
)

completion = client.chat.completions.create(
    model="gemini-3.8-flash",
    messages=[{"role": "user", "content": "用三句话介绍你自己"}],
)
print(completion.choices[0].message.content)

流式输出

设置 "stream": true 后,响应为 Server-Sent Events(SSE),与 OpenAI 流式格式兼容。控制台「游乐场」即基于此实现;googleSearch 可与流式同时使用。反向代理需关闭 proxy_buffering 并设置足够长的 proxy_read_timeout。

流式对话(SSE)

stream: true 时响应为 text/event-stream,数据行格式与 OpenAI 流式兼容。Python / Node 可使用 SDK 的 stream 模式。

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.aisoui.com/v1")

stream = client.chat.completions.create(
    model="gemini-3.8-flash",
    stream=True,
    messages=[{"role": "user", "content": "写一首四句的短诗"}],
)
for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)
print()

Gemini 风格流式(:streamGenerateContent)

使用 Google Gen AI SDK 或原生 Gemini 接口时,把 :generateContent 换成 :streamGenerateContent?alt=sse 即可,参数与请求体完全一致,响应为 Gemini 原生 SSE 分片(含 usageMetadata,按最终用量计费)。图片、音乐等媒体模型同样支持流式,但通常没有意义。

cURL
curl -N -X POST \
  "https://api.aisoui.com/v1beta/models/gemini-3.8-flash:streamGenerateContent?alt=sse" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{ "parts": [{ "text": "用三句话解释什么是 SSE" }] }]
  }'
流式响应示例
data: {"candidates":[{"content":{"parts":[{"text":"SSE 是"}],"role":"model"}}]}

data: {"candidates":[{"content":{"parts":[{"text":"服务器单向推送事件"}],"role":"model"}}],"usageMetadata":{"promptTokenCount":12,"candidatesTokenCount":48,"totalTokenCount":60}}

data: {"candidates":[{"content":{"parts":[{"text":"的协议。"}],"role":"model"},"finishReason":"STOP"}]}

反向代理需关闭 proxy_buffering(或设置 proxy_cache off)并放宽 proxy_read_timeout,否则客户端会一次性收到整段内容。

Nano Banana 图片生成

用自然语言描述场景即可生成、编辑、迭代视觉内容。Aisoui 提供 Gemini 兼容的 POST /v1beta/models/{model}:generateContent 接口,请求/响应格式与 Google 官方文档 一致;使用 API Key 鉴权(Authorization: Bearer sk-…)。

Nano Banana 简介

Nano Banana 是 Gemini 原生图片生成能力的统称。模型可对话式地生成与处理图像,支持纯文本、参考图、多轮历史组合输入,实现文生图、局部编辑、风格迁移与复杂排版。

名称Gemini 模型 ID定位
Nano Banana 2.1gemini-nano-banana-2.1默认推荐。画质、多轮角色一致性与文字排版更好,支持 1K/2K/4K 与超宽画幅
Nano Banana 2gemini-3.1-flash-image上一代。速度与智能平衡,官方已弃用,建议改用 2.1
Nano Banana 2 Litegemini-3.1-flash-lite-image超低延迟、低成本,适合高并发交互与快速草稿
Nano Banana Progemini-3-pro-image专业资产:复杂指令、「思考」过程、高保真文字、最高 4K
Nano Bananagemini-2.5-flash-image轻量高速,1024px 级输出,适合海量低延迟

所有生成图片均含 SynthID 数字水印。计费按 Token 用量,详见「定价与计费」。

如何选择模型

  • 日常 / 高并发 → gemini-nano-banana-2.1(Nano Banana 2.1)
  • 超低延迟草稿、批量交互 → gemini-3.1-flash-lite-image(Nano Banana 2 Lite)
  • 海报、信息图、精确文字、复杂构图 → gemini-3-pro-image(Pro)
  • 简单图标、快速草稿 → gemini-2.5-flash-image
核心原则:用叙事性段落描述场景,而不是堆关键词。模型对自然语言理解远强于逗号分隔的标签列表。

图片工作室

登录控制台 →「图片工作室」,可在网页上调试 Prompt、管理多轮历史与参考图。 生产环境请使用下方 REST 接口,Base URL 为 https://api.aisoui.com/v1beta。

单次生成通常 30 秒~2 分钟;4K 或复杂 Prompt 可能更久。建议客户端超时 ≥ 120s。

文生图(Text-to-Image)

调用 generateContent,在 generationConfig 中设置 responseModalities: ["TEXT", "IMAGE"]。响应 parts 中可能同时包含说明文字与 inlineData 图片(Base64)。

文生图请求

Gemini 原生 generateContent;JSON 字段请使用 camelCase(inlineData / generationConfig)。建议超时 ≥ 180s。

import base64
import httpx

payload = {
    "contents": [{
        "parts": [
            {"text": "A nano banana dish in a Gemini-themed fine dining restaurant, soft lighting"},
        ],
    }],
    "generationConfig": {"responseModalities": ["TEXT", "IMAGE"]},
}

resp = httpx.post(
    "https://api.aisoui.com/v1beta/models/gemini-nano-banana-2.1:generateContent",
    headers={"Authorization": f"Bearer YOUR_API_KEY"},
    json=payload,
    timeout=180.0,
)
resp.raise_for_status()
data = resp.json()
for part in data["candidates"][0]["content"]["parts"]:
    if "inlineData" in part:
        open("output.png", "wb").write(base64.b64decode(part["inlineData"]["data"]))
        print("saved output.png")
    elif "text" in part:
        print(part["text"])
解析响应(Node · parts 遍历)
for (const part of response.candidates[0].content.parts) {
  if (part.text) {
    console.log(part.text)
  } else if (part.inlineData) {
    const buffer = Buffer.from(part.inlineData.data, 'base64')
    fs.writeFileSync('output.png', buffer)
  }
}

图生图与编辑(Text + Image → Image)

在 parts 中同时传入文本与 inline_data,可添加/删除元素、改风格、换背景、inpainting 语义蒙版等。请确保对上传图片拥有合法使用权。

  • 元素增删:「在这张猫照片上给它加一顶针织巫师帽,光线与原图一致」
  • 语义 inpainting:「只把蓝色沙发换成棕色 Chesterfield,其余不变」
  • 高保真保留:详细描述需保留的人脸/Logo 细节 + 修改项
  • 多图合成:最多 14 张参考(3.1 Flash:10 物体 + 4 角色;Pro:6 物体 + 5 角色)
REST 图生图 + 2K 16:9
curl -s -X POST \
  "https://api.aisoui.com/v1beta/models/gemini-nano-banana-2.1:generateContent" \
  -H "Authorization: Bearer sk-xxxxxxxx" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{
      "parts": [
        {"text": "Create a picture of my cat eating a nano-banana in a fancy restaurant"},
        {"inline_data": {"mime_type": "image/png", "data": "<BASE64_IMAGE_DATA>"}}
      ]
    }],
    "generationConfig": {
      "responseModalities": ["TEXT", "IMAGE"],
      "imageConfig": {"aspectRatio": "16:9", "imageSize": "2K"}
    }
  }'

多轮对话式编辑

推荐用多轮会话迭代图片:每轮将上一轮 model 输出的图片放入 contents 数组,再发送新指令。

Gemini 3 图像模型在复杂 Prompt 下会启用 Thinking:可能先产生 interim「思考图」(默认不展示、不计入最终输出),再生成终稿。多轮时需保留 thought_signature(官方 SDK 自动处理;手动拼 history 时需按官方说明回传)。

多轮 contents 结构(第二语言本地化示例)
{
  "contents": [
    {
      "role": "user",
      "parts": [{"text": "Create a vibrant infographic explaining photosynthesis…"}]
    },
    {
      "role": "model",
      "parts": [{"inline_data": {"mime_type": "image/png", "data": "<PREVIOUS_IMAGE>"}}]
    },
    {
      "role": "user",
      "parts": [{"text": "Update this infographic to be in Spanish. Do not change layout."}]
    }
  ],
  "generationConfig": {
    "responseModalities": ["TEXT", "IMAGE"],
    "imageConfig": {"aspectRatio": "16:9", "imageSize": "2K"}
  }
}

Gemini 3 图像模型能力

分辨率

3.x:512、1K、2K、4K(须大写 K)。2.5 Flash 默认约 1024px。

宽高比

1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9;3.1 Flash 另支持 1:4、4:1、1:8、8:1。

Google 搜索 Grounding

工具 google_search,基于实时信息生成信息图、天气图等。在请求体 tools 中配置,详见 Google 官方文档。

Thinking 级别

3.1 Flash:minimal(低延迟,默认)/ high。includeThoughts 控制是否在响应中返回思考过程文本。

宽高比1K2K4K
1:11024×10242048×20484096×4096
16:91376×7682752×15365504×3072
9:16768×13761536×27523072×5504

完整像素与 Token 对照见 Google 官方文档 Aspect ratios 表格。

generateContent 常用参数

请求体遵循 Gemini API 格式。路径中的 {model} 为模型 ID(如 gemini-nano-banana-2.1)。

字段类型说明
contentsarray对话轮次;每轮含 parts(text / inline_data)
generationConfig.responseModalitiesarray图片生成设为 ["TEXT","IMAGE"] 或 ["IMAGE"]
generationConfig.imageConfig.aspectRatiostring1:1、16:9、9:16 等,默认 1:1
generationConfig.imageConfig.imageSizestring512 / 1K / 2K / 4K,仅 Gemini 3 图像模型
toolsarray可选,启用 Google 搜索 grounding(google_search)
generationConfig.thinkingConfigobject3.1 Flash:thinkingLevel(minimal / high)、includeThoughts

解析响应

成功时返回 Gemini 标准 JSON。遍历 candidates[0].content.parts, 其中 inlineData 为 Base64 图片;跳过 thought: true 的中间图(除非调试)。 Token 用量见 usageMetadata。 务必检查 candidates[0].finishReason:只有 STOP 且 parts 中含图片时才算出图成功; 若为 IMAGE_SAFETY 等,HTTP 仍可能是 200,但不会有可用图片,详见 安全审核与使用政策。

示例
{
  "candidates": [{
    "content": {
      "parts": [
        { "text": "Generated an isometric city scene…" },
        { "inlineData": { "mimeType": "image/png", "data": "<BASE64>" } }
      ]
    },
    "finishReason": "STOP"
  }],
  "usageMetadata": {
    "promptTokenCount": 1120,
    "candidatesTokenCount": 1120
  }
}

安全审核与使用政策

图片由 Google Gemini 上游生成。Aisoui 只做协议转发与计费,无法绕过或关闭 Google 的内容安全与使用政策审核。 调用前请阅读 Generative AI Prohibited Use policy(生成式 AI 禁止使用政策) 及 Gemini API 安全设置说明。

常见现象:接口返回 200,但 content.parts 为空或没有 inlineData, finishReason 为 IMAGE_SAFETY、 IMAGE_PROHIBITED_CONTENT、SAFETY 等。 表示图片被上游过滤,不是网关故障。 finishMessage 会说明原因;按 Google 说明,被拦截的图片通常不计图片生成费(仍可能产生与 prompt/参考图相关的 token 计量,以账单为准)。
示例
{
  "candidates": [{
    "content": {},
    "finishReason": "IMAGE_SAFETY",
    "finishMessage": "Unable to show the generated image… (Generative AI Prohibited Use policy)"
  }],
  "usageMetadata": { "totalTokenCount": 3474 }
}

哪些内容容易被拒

  • 色情、性暗示、裸露或泳装等性化真人/仿真人形象(含「真人照片」「指定种族/年龄的美女/帅哥」等描述)
  • 危害未成年人、骚扰、仇恨、极端暴力、自残等违规内容
  • 未经授权的名人、品牌、版权角色复刻,或可能误导他人的深度伪造用途
  • 参考图本身违规或敏感,会连带提高拦截概率

合规建议

  • 优先虚构角色、插画、产品、场景,避免「真人 + 性化/裸露」组合
  • 用正向、具体的用途描述(电商主图、App 图标、信息图),而非擦边关键词
  • 业务侧应判断 finishReason,向用户展示友好提示并支持改 prompt 重试
  • 若认为误拦,按 Google 故障排查与反馈 渠道申诉;Aisoui 无法代您 overturn 审核结果

Prompt 指南与示例

描述场景,不要只列关键词。叙事性段落几乎总是比标签堆叠效果更好。

写实摄影

一位年迈的日本陶艺家的特写肖像,深皱纹与温暖笑容,在阳光充足的工作坊里检查茶碗。85mm 人像镜头,浅景深,黄金时刻侧光,竖构图。

使用摄影术语:焦段、光线、景深、构图方向。

贴纸 / 图标

一只 happy 红熊猫 kawaii 贴纸,戴小竹帽,粗线条、赛璐璐上色,背景必须为纯白(模型不支持透明 PNG)。

明确风格与背景;透明背景需后期处理。

品牌文字

为咖啡店 The Daily Grind 设计极简黑白圆形 Logo,无衬线粗体,巧妙融入咖啡豆元素。

Pro / 3.1 Flash Image 更擅长可读文字。

产品摄影

极简哑光黑陶瓷咖啡杯产品照,抛光混凝土台面,三点柔光箱,45° 俯拍,蒸汽细节清晰,方形构图。

电商主图:材质、灯光、角度写清楚。

搜索 grounding

将旧金山未来 5 天天气预报可视化为现代信息图,并标注每日穿搭建议。

需开启 googleSearch;基于实时信息生成。

风格迁移

将这张现代城市夜景照片转为梵高《星夜》风格,保留建筑与车辆构图,旋转笔触,蓝黄对比色。

上传原图 + 描述目标风格,而非只列关键词。

专业技巧

  • 极度具体:写材质、光线、镜头、情绪,而非「高质量」「精美」
  • 说明用途:「高端护肤品牌极简 Logo」比「做个 Logo」更好
  • 分步指令:复杂场景拆成「先背景 → 再主体 → 再文字」
  • 迭代 refine:「很好,把光线再暖一点」「保持构图,只改文字为西班牙语」
  • 相机语言:wide-angle、macro、low-angle、85mm bokeh 等
  • 语义负向:用正向描述替代「不要车」→「空无一车的安静街道」

限制与最佳实践

  • 最佳语言:中文、英语及 Google 文档列出的主要语言
  • 不支持透明背景 PNG;需要透明请后期抠图
  • 不保证严格输出用户指定的图片张数
  • 2.5 Flash 参考图建议 ≤3 张;3 Pro 高保真 ≤5 张,合计最多 14 张
  • 含文字的复杂排版:建议 Pro 或 3.1 Flash + 2K/4K
  • 上传人物/品牌素材请遵守版权与 Google 使用政策 — 见 安全审核与使用政策
  • 失败常见原因:余额不足、安全过滤(IMAGE_SAFETY 等)、上游超时

图片(OpenAI 兼容格式)

只认 OpenAI 图片协议的客户端可用 POST https://api.aisoui.com/v1/images/generations,服务端会转成 Gemini generateContent,模型与计费都与上面的 Nano Banana 一致。需要参考图编辑、多轮改图、指定 1K/2K/4K 时仍建议用 Gemini 格式。

参数必填说明
model否图片模型 ID,默认 gemini-nano-banana-2.1
prompt是提示词
n否生成张数,1–4,默认 1;每张单独计费
size否1024x1024 / 1536x1024 等,会换算成最接近的画面比例;也接受 16:9 这类比例
quality否standard(默认 1K)/ hd(2K)/ 4k,仅 Gemini 3 图像模型生效
response_format否b64_json(默认)或 url;url 需对象存储已配置,否则自动回退 b64_json
cURL
curl -s -X POST \
  "https://api.aisoui.com/v1/images/generations" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-nano-banana-2.1",
    "prompt": "一只在沙滩上看日落的橘猫,电影感逆光",
    "n": 1,
    "size": "1536x1024",
    "response_format": "b64_json"
  }'
Python(openai SDK)
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.aisoui.com/v1",
)

result = client.images.generate(
    model="gemini-nano-banana-2.1",
    prompt="一只在沙滩上看日落的橘猫,电影感逆光",
    size="1536x1024",
    response_format="b64_json",
)

import base64, pathlib
pathlib.Path("cat.png").write_bytes(base64.b64decode(result.data[0].b64_json))
响应示例
{
  "created": 1793948400,
  "data": [
    { "b64_json": "<BASE64_IMAGE_DATA>" }
  ]
}
返回结构为 OpenAI 图片格式:{"created": 时间戳, "data": [{"b64_json" | "url"}]}。内容被安全策略拦截时返回 400 并附带具体原因(如「内容未通过安全审核」)。

视频生成

视频生成是异步任务接口,下面这些模型共用一套端点:提交 POST https://api.aisoui.com/v1/videos/generations 立即拿到任务 ID, 再轮询 GET https://api.aisoui.com/v1/videos/generations/{id} 直到 succeeded,从 video.url 下载 MP4。 生成通常需要 1–5 分钟,不要用同步请求等待。鉴权同对话接口,需要「完全访问」或「标准」权限。

  • minimax-h3-highspeed — MiniMax 海螺 H3 高速版,4–15 秒,768p,约 ¥0.238/秒,出片最快,适合批量短视频素材
  • minimax-h3-lite — MiniMax 海螺 H3 低价版,4–15 秒。resolution 为 768p(默认,约 ¥0.158/秒)或 480p(约 ¥0.099/秒)
  • gemini-omni-1.1-flash — Gemini Omni Flash,输出带同步音频,4 / 6 / 8 秒,720p / 1080p(1080p 仅支持 8 秒)
  • gemini-omni-1.2-flash — Gemini Omni 1.2 Flash,规格相同,720p 更便宜
  • 计费 = 成功生成的秒数 × 单价,失败不计费;实时单价见 GET /v1/videos/models
  • 支持文生视频与图生视频(image 传首帧)
  • 同一账号最多 3 个任务同时进行,超出返回 429;队列满时同样返回 429

1. 提交任务

cURL(文生视频)
curl -s -X POST \
  "https://api.aisoui.com/v1/videos/generations" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-h3-highspeed",
    "prompt": "无人机航拍日落时的海岸线,电影感",
    "duration_seconds": 6,
    "aspect_ratio": "16:9"
  }'
参数必填说明
model是视频模型 ID,见上方「视频模型」表
prompt否*画面描述,最长 4000 字符。image 存在时可为空
image否*首帧参考图:公网 https 地址,或 data:image/png;base64,...,最大 8MB
duration_seconds否时长。H3:4–15,默认 6;Omni:4 / 6 / 8,默认 8
aspect_ratio否16:9(默认)或 9:16
resolution否Omni:720p(默认)/ 1080p。H3 Highspeed 固定 768p,无需传。H3 Lite:768p(默认)/ 480p

* prompt 与 image 至少要有一个。提交成功返回 HTTP 202,正文含 id 与 status: "queued"。

2. 轮询结果

cURL(查询任务)
curl -s \
  "https://api.aisoui.com/v1/videos/generations/vid_xxx" \
  -H "Authorization: Bearer YOUR_API_KEY"
响应(succeeded)
{
  "id": "vid_xxx",
  "object": "video.generation",
  "model": "minimax-h3-highspeed",
  "status": "succeeded",
  "progress": 100,
  "duration_seconds": 6,
  "resolution": "768p",
  "aspect_ratio": "16:9",
  "video": {
    "url": "https://ai-gateway-1305146494.cos.ap-shanghai.myqcloud.com/gallery/video/...mp4",
    "mime_type": "video/mp4"
  },
  "cost": { "amount": 1.428, "currency": "CNY" },
  "created_at": 1793948400,
  "completed_at": 1793948520,
  "error": null
}
状态含义建议
queued已入队,等待生成线程3–5 秒后开始轮询
processing正在生成每 5–10 秒轮询一次
succeeded完成,video.url 可下载停止轮询;cost.amount 为实际扣费
failed失败,error.message 说明原因调整描述后重新提交,本次不计费

参数错误返回 400,余额不足返回 402(code: insufficient_balance), 并发或队列超限返回 429,正文统一为 { "error": "...", "code": "..." }。 GET /v1/videos/generations 可列出最近 20 条任务, GET /v1/videos/models 返回可用模型、时长范围与按秒单价。

生成结果会同时记入控制台「请求日志」(来源标记为 API),按秒计费走同一套余额。 想先在网页上试参数,可登录控制台 → 「视频工作室」 。

注意:这里的视频生成与对话 API 里的视频分析 (/v1/chat/completions + 附件)是两种能力。

音乐生成

音乐生成基于 Google Lyria,通过 generateContent 调用,支持文本或图片(最多 10 张)多模态输入,输出 44.1 kHz 高保真立体声 MP3(Pro 可选 WAV)。

  • lyria-3.5 — 默认。旗舰完整歌曲
  • lyria-3-clip-preview — 固定 30 秒片段,适合快速试 prompt
  • lyria-3-pro-preview — 上一代完整歌曲,可用 [Verse] / [Chorus] 标签或时间戳控制结构
  • 响应含歌词文本 + 音频二进制,需遍历所有 parts(歌词顺序不固定)
  • generationConfig 需设置 responseModalities: ["AUDIO", "TEXT"]
REST 示例(Lyria 3.5 · Aisoui API)
curl -s -X POST \
  "https://api.aisoui.com/v1beta/models/lyria-3.5:generateContent" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{
      "parts": [{ "text": "Create a cheerful acoustic folk song with guitar and harmonica." }]
    }],
    "generationConfig": {
      "responseModalities": ["AUDIO", "TEXT"]
    }
  }'

Base URL:https://api.aisoui.com/v1beta 。可在控制台「音乐工作室」体验,或通过 API Key 调用。

配音

配音使用 Gemini 语音模型,接口为 POST https://api.aisoui.com/v1/audio/speech。鉴权与对话相同: Authorization: Bearer YOUR_API_KEY。完全访问和标准权限的密钥都可以调用。

  • gemini-3.8-flash-tts — 默认模型,适合旁白、有声书和双人对话
  • gemini-3.8-flash-lite-tts — 更快,适合大批量单人朗读
  • 省略 model 时使用 gemini-3.8-flash-tts
  • 单人文稿最多 4000 字;对话一次最多 8 句
  • 按输入 Token 与音频输出 Token 计费。音频按每秒 25 Token 估算,以响应里的 promptTokens、completionTokens 为准

单人朗读

text 为要朗读的文字。voice 为预置音色 ID,省略或无法识别时使用 Kore。style 可选,最多 120 字,用来说明情绪、语速或口音。设计音色或控制台里克隆的音色,把 voice 写成返回的 c:数字,且必须属于这把密钥的账号。

单人朗读
curl -s -X POST \
  "https://api.aisoui.com/v1/audio/speech" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.8-flash-tts",
    "text": "你好,欢迎使用 Aisoui。",
    "voice": "Kore",
    "style": "沉稳,语速适中"
  }'

双人对话

mode 设为 dialogue,在 lines 里逐句写 speaker、text、voice、style。两个说话人都用预置音色时一次合成。说话人超过两个,或使用 c: 音色时,按句合成后拼成一条 WAV。

双人对话
curl -s -X POST \
  "https://api.aisoui.com/v1/audio/speech" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.8-flash-tts",
    "mode": "dialogue",
    "lines": [
      { "speaker": "主持", "voice": "Kore", "style": "清晰", "text": "今天聊什么?" },
      { "speaker": "嘉宾", "voice": "Puck", "style": "轻松", "text": "聊聊怎么把配音接到自己的产品里。" }
    ]
  }'

设计音色

POST https://api.aisoui.com/v1/audio/voices/design 按文字描述保存一个长期音色。 name 1 到 40 字,prompt 8 到 500 字,写清年龄、声线和口音。 gender 可选 female 或 male,languageCode 默认 zh-CN,model 可省略。每人最多 8 个。成功时返回 id、voice(形如 c:12)、name 和试听地址 previewUrl。之后把 voice 传给 /audio/speech。

设计音色
curl -s -X POST \
  "https://api.aisoui.com/v1/audio/voices/design" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "女主",
    "prompt": "二十多岁女性,声音清亮,普通话,语速自然",
    "gender": "female",
    "languageCode": "zh-CN",
    "model": "gemini-3.8-flash-tts"
  }'

GET https://api.aisoui.com/v1/audio/voices 列出这把密钥账号下还在有效期内的设计音色和克隆音色。 删除用 DELETE https://api.aisoui.com/v1/audio/voices/{id},id 是数字,不是 c:数字。完全访问和标准权限的密钥可以设计和删除;只读密钥只能查询列表。

预置音色

常用:Kore 沉稳、Puck 活泼、Charon 解说、Zephyr 明亮、Leda 年轻、Aoede 轻快、Fenrir 兴奋、Orus 坚定、Gacrux 成熟、Sulafat 温暖。其余 ID:Callirrhoe、Autonoe、Enceladus、Iapetus、Umbriel、Algieba、Despina、Erinome、Algenib、Rasalgethi、Laomedeia、Achernar、Alnilam、Schedar、Pulcherrima、Achird、Zubenelgenubi、Vindemiatrix、Sadachbia、Sadaltager。

响应

成功时 HTTP 200。音频在 audio[0]:mimeType 为 audio/wav,data 为 WAV 的 Base64。同时返回 modelId、transcript、voiceLabel、cost、promptTokens、completionTokens。 参数错误返回 400,正文 { "error": "..." }。余额不足时同样是 400。

可在控制台「配音工作台」里试听同一套模型和音色。

语音转写

转写走 Gemini 原生 generateContent,模型 gemini-3.5-transcribe: POST https://api.aisoui.com/v1beta/models/gemini-3.5-transcribe:generateContent。 鉴权与对话一致,音频以 inlineData 直传 Base64。

  • 音频放 contents[0].parts[0].inlineData,mimeType 支持 wav / mp3 / m4a / ogg / flac / webm
  • 转写参数放在 generationConfig.audioTranscriptionConfig,只有 diarization、languageCodes、customVocabulary 三个字段
  • diarization 与 customVocabulary 互斥,同时传会返回 400
  • 单请求 Base64 音频建议不超过 14 MB(约 10 分钟),更长的音频请先分段
  • 按音频输入 Token 与文本输出 Token 计费:1 小时中文录音约 2 元

请求

转写(分角色)
curl -s -X POST \
  "https://api.aisoui.com/v1beta/models/gemini-3.5-transcribe:generateContent" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{ "parts": [{ "inlineData": { "mimeType": "audio/mp3", "data": "<BASE64>" } }] }],
    "generationConfig": {
      "audioTranscriptionConfig": { "diarization": true, "languageCodes": ["zh"] }
    }
  }'
Python
import base64
import requests

audio = base64.b64encode(open("meeting.mp3", "rb").read()).decode()
res = requests.post(
    "https://api.aisoui.com/v1beta/models/gemini-3.5-transcribe:generateContent",
    headers={"Authorization": "Bearer YOUR_API_KEY"},
    json={
        "contents": [{"parts": [{"inlineData": {"mimeType": "audio/mp3", "data": audio}}]}],
        "generationConfig": {
            "audioTranscriptionConfig": {"diarization": True, "languageCodes": ["zh"]}
        },
    },
    timeout=600,
)
res.raise_for_status()
for part in res.json()["candidates"][0]["content"]["parts"]:
    seg = part.get("audioTranscription") or {}
    if seg.get("text"):
        print(seg.get("speakerLabel", "-"), seg["text"])

参数

参数类型说明
inlineData.datastring音频文件的 Base64,也可直接传完整 data URL
inlineData.mimeTypestring如 audio/mp3、audio/wav、audio/mp4(m4a)
audioTranscriptionConfig.diarizationboolean开启说话人分离,返回 speakerLabel(如 spk:0),最多 8 人
audioTranscriptionConfig.languageCodesstring[]提示语种,如 ["zh"];留空自动检测,最多 3 个
audioTranscriptionConfig.customVocabularystring[]自定义词表,纠正品牌名与术语,最多 1000 条;与 diarization 互斥

响应

识别文本在 candidates[0].content.parts[].audioTranscription.text,不是 parts[].text。开启分离时每段带 speakerLabel;用量在 usageMetadata,其中 promptTokenCount 是音频 token。

响应(节选)
{
  "candidates": [{
    "content": {
      "parts": [
        { "audioTranscription": { "speakerLabel": "spk:0", "text": "你好,这是转写测试。" } },
        { "audioTranscription": { "speakerLabel": "spk:1", "text": "下午三点开会,请准时参加。" } }
      ]
    }
  }],
  "usageMetadata": {
    "promptTokenCount": 134,
    "candidatesTokenCount": 19,
    "totalTokenCount": 153
  }
}

当前没有词级时间戳。试过 wordTimestamps、 timestampGranularity 等字段全部返回 400。需要字幕时间轴时,只能按 speakerLabel 分段后自行对齐。

控制台「语音转写」可以直接上传音频,拿到同样的分段结果与本次费用,适合先验证识别质量再接 API。

判断

判断用来给程序做分支:你提交要看的材料,以及允许选择的选项,模型从这些选项里选出结果并给出概率。 它不写回复、不做摘要。模型 gemini-decision-1,接口 POST https://api.aisoui.com/v1beta/decisions。鉴权仍是 Authorization: Bearer。

  • input 是共享材料,可以是文本,或文本、图片、音频、视频、PDF 混在一起。一次请求里的题都看这份材料
  • questions 是 1 到 1000 道题。每道题单独判断,互相看不见
  • noul 是非题,返回「是」的概率(0.01 到 0.99)
  • choice 是选择题,criteria 里写 2 到 255 个选项,返回选中项和每个选项的概率
  • score 是评分题,criteria 从低到高写档位,返回加权分数
  • 每道题都有 confidence(0 到 1)。偏低时交给人或换对话模型
  • 题目 key 模型看不到,完整问题要写在 instructions 里。题干只能是文字

请求

判断该交给哪个部门
curl -s -X POST \
  "https://api.aisoui.com/v1beta/decisions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-decision-1",
    "input": "我被扣了两次款。",
    "questions": {
      "department": {
        "type": "choice",
        "instructions": "这条消息该交给哪个部门?",
        "criteria": {
          "billing": "付款、发票、重复扣款、退款",
          "technical": "产品用不了",
          "shipping": "配送和物流",
          "other": "以上都不是"
        }
      }
    }
  }'

响应

成功时 HTTP 200。answers 的 key 与请求里的题目 key 相同。用量在 usage.total_input_tokens,total_output_tokens 为 0。 这不是对话接口的 usageMetadata。

响应(节选)
{
  "answers": {
    "department": {
      "type": "choice",
      "choice": "billing",
      "probabilities": { "billing": 0.99, "other": 0.004, "shipping": 0.003, "technical": 0.003 },
      "confidence": 0.99
    }
  },
  "usage": {
    "total_input_tokens": 80,
    "total_output_tokens": 0,
    "total_tokens": 80
  }
}

定价与计费

对话、图片、配音与判断按 Token 用量 后付费;视频按 生成秒数 计费;音乐按 每次生成 计费。判断只计输入 token,输出为 0。

充值(最低 ¥20)

按实付金额 1:1 计入余额,不设赠送档位;余额长期有效、不清零。

常用金额:¥50 / ¥100 / ¥200 / ¥500,也可自定义金额。

余额不足时 API 返回错误,请先在控制台「财务账单」充值。消费明细可在同一页面查看。

对话模型费率

模型模型 ID输入 / 1K输出 / 1K

图片模型费率

模型模型 ID输入 / 1K输出 / 1K

图片单次生成约 1120 输入 + 1120 输出 Token(以实际 usage 为准)。

视频模型费率

模型模型 ID较低档较高档

较低档 / 较高档按模型不同:Omni 是 720p / 1080p,H3 Highspeed 只有 768p,H3 Lite 是 480p / 768p。示例:Gemini Omni Flash 生成 8 秒 720p 视频 ≈ ¥0.79 × 8 = ¥6.32(以实际秒数为准)。

音乐模型费率

模型模型 ID单价

Clip 固定 30 秒/首;Pro 按完整歌曲计 1 首。官方仅成功生成时计费。

配音模型费率

模型模型 ID输入 / 1K输出 / 1K

音频输出约每秒 25 Token。余额需覆盖单次预估(至少 ¥0.01)。

转写模型费率

模型模型 ID输入 / 1K输出 / 1K

音频输入约每秒 32 Token(1 小时约 10 万 token),文本输出按实际字数计。 官方经验值约 0.005 美元 / 分钟,按平台价折算 1 小时录音约 2 元、每分钟约 0.04 元。

判断模型费率

模型模型 ID输入 / 1K输出 / 1K

同一份材料只计一次输入 token,每道题只再加自己的题干和选项。输出 token 为 0,不另收费。

错误处理

HTTP 状态含义
401API Key 无效或未提供
403API Key 权限不足(如只读 Key 调用对话接口)
400参数错误、余额不足、模型不存在
429请求过于频繁(如有速率限制)
504上游 Gemini 超时,请检查网络或代理
500服务端内部错误

错误响应体为 JSON:{ "error": "描述信息" }