gemini-api

Name: gemini-api
Author: diskd-ai

github.com/diskd-ai開発758 回インストール41 週間前に更新

リポジトリ

gemini-api について

Python、JavaScript、REST から Google's Gemini API を利用するスキルです。テキストやマルチモーダル生成、メディア作成、埋め込み、モデル制御を扱います。

主な機能

01テキスト・画像・動画・音声の生成
02ストリーミングと複数ターンのチャット
03PDF 処理と画像編集
04動画と音楽の生成
05埋め込みと構造化出力
06関数呼び出しと思考制御

活用シーン

01プロンプトやメディアからのテキスト生成
02PDF 文書の要約と分析
03画像の作成・編集と動画生成
04埋め込みを使ったセマンティック検索

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/diskd-ai/gemini-api --skill gemini-api

インストール後、Claude Code で/gemini-apiを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

.gitignore

README.md

references/

image-generation.md

documents.md

embeddings.md

lyria.md

thinking.md

structured-outputs.md

gemini-3.md

function-calling.md

tools.md

veo.md

詳細

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	あり
Gemini 3 Flash	`gemini-3-flash-preview`	テキスト／画像／動画／音声／PDF -> テキスト	1M/64K	あり
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	あり
Gemini 2.5 Flash	`gemini-2.5-flash`	テキスト／画像／動画／音声 -> テキスト	1M/65K	あり
Nano Banana	`gemini-2.5-flash-image`	テキスト／画像 -> 画像	-	なし
Nano Banana Pro	`gemini-3-pro-image-preview`	テキスト／画像 -> 画像（最大4K）	65K/32K	あり
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（音声なし）	-	-
Lyria RealTime	`lyria-realtime-exp`	テキスト -> 音楽（ストリーミング）	-	-
Embeddings	`gemini-embedding-001`	テキスト -> 埋め込み	2K	なし

無料枠：Flash モデルのみ（API では gemini-3-pro-preview に無料枠はありません）。デフォルトの温度：1.0（Gemini 3 では変更しないでください）。

料金（100万トークンあたり）：

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?"}]}]}'

システム指示

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）

ネイティブのビジョン理解機能を使用して 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")
            }
        }
    ]
});

大容量の PDF の場合は、Files API を使用します（48時間保存）：

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 をご覧ください。

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 によるグラウンディング、最大14枚の参照画像、思考シグネチャーを使った会話形式の編集に対応しています。

編集、マルチターン、その他の高度な機能については、references/image-generation.md をご覧ください。 Gemini 3 の画像機能については、references/gemini-3.md をご覧ください。

動画生成（Veo）

Veo を使用して、ネイティブ音声付きの8秒動画を720p、1080p、または4Kで生成します。

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",
)

# Poll until complete (video generation is async)
while not operation.done:
    time.sleep(10)
    operation = client.operations.get(operation)

# Download the video
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）、動画の延長（最大148秒）、4K 解像度、セリフ／効果音付きのネイティブ音声。

画像から動画への生成、参照画像、動画の延長、プロンプトガイドについては、references/veo.md をご覧ください。

音楽生成（Lyria RealTime）

動的な調整機能を使って、リアルタイムに連続したインストゥルメンタル音楽を生成します。

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:
        # Set prompts and config
        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)
        )

        # Start streaming
        await session.play()

        # Receive audio chunks
        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
                # Process audio...

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");
                    // Process audio...
                }
            }
        },
    },
});

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-bit PCM。インストゥルメンタルのみ。BPM、スケール、密度、明るさを設定できます。

音楽の調整、設定、プロンプトガイドについては、references/lyria.md をご覧ください。

埋め込み

意味的類似性の判定、検索、分類に使用するテキスト埋め込みを生成します。

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

出力次元数：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 をご覧ください。

Thinking（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）を指定できます。

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 と従来の thinking_budget は併用できません（400 エラーが返されます）。

Gemini 2.5 では、代わりに thinking_budget（0～32768）を使用してください。詳しくは references/thinking.md をご覧ください。

Gemini 3 の機能（思考シグネチャ、メディア解像度など）の詳細については、references/gemini-3.md をご覧ください。

構造化出力

スキーマに準拠した 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 をご覧ください。

組み込みツール（Gemini 3）

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

未対応：Google Maps grounding、Computer Use（これらの機能には 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: {} }] },
});

構造化出力とツールの併用：Gemini 3 では、JSON スキーマと組み込みツール（Google Search、URL Context、Code Execution）を組み合わせて使用できます。詳しくは references/gemini-3.md をご覧ください。

すべてのツールパターンについては、references/tools.md をご覧ください。

Function Calling

モデルを外部ツールや API に接続します。モデルが関数を呼び出すタイミングを判断し、パラメーターを指定します。

from google.genai import types

# Define function
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])]
    ),
)

# Check for function call
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];
  // Execute function and send result back
}

自動 Function Calling（Python）：関数をツールとして直接渡すと、自動的に実行されます。

実行モード、合成呼び出し、マルチモーダルレスポンス、MCP 統合、ベストプラクティスについては、references/function-calling.md をご覧ください。

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()`
構造化出力	`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()`
関数呼び出し	`function_declarations`	`functionDeclarations`
埋め込み	`embed_content()`	`embedContent()`
Files API	`files.upload()`	`files.upload()`

Gemini 3 固有の機能

Gemini 3 の高度な機能については、references/gemini-3.md をご覧ください。

思考レベル：推論の深さを制御します（minimal、low、medium、high）
メディア解像度：マルチモーダル処理を細かく制御します（media_resolution_low から ultra_high まで）
思考シグネチャ：関数呼び出しと画像編集のコンテキストで必要です
構造化出力とツールの併用：JSON スキーマと Google Search、URL Context を組み合わせます
マルチモーダル関数レスポンス：ツールのレスポンスに画像を含めて返します

リソース

Markdown 対応

ログインしてコメント

基本情報

作者: diskd-ai
リポジトリ: diskd-ai/gemini-api
カテゴリ: 開発
インストール数: 58
GitHub スター: 7

問題を報告