選擇自然語言處理函式
您可以使用機器學習 (ML) 函式，直接在 BigQuery 中分析及轉換大量文字資料。這些函式可讓您從文字中取得洞察，而不必移動資料，進而簡化工作流程。BigQuery ML 提供下列自然語言處理 (NLP) 函式，可用於處理文字：
AI.GENERATE_TEXT：使用 BigQuery 標準資料表中的文字和非結構化資料，或 BigQuery 物件資料表中的非結構化資料，執行自訂 NLP 工作。ML.TRANSLATE：執行翻譯專屬的 NLP 工作，每分鐘需要支援大量查詢。ML.UNDERSTAND_TEXT：執行 Cloud Natural Language API 支援的 NLP 工作。
函式比較
請參考下表，比較 AI.GENERATE_TEXT、ML.TRANSLATE 和 ML.UNDERSTAND_TEXT 函式：
AI.GENERATE_TEXT |
ML.TRANSLATE |
ML.UNDERSTAND_TEXT |
|
|---|---|---|---|
| 目的 | 將提示傳送至 Gemini 或合作夥伴模型，或 開放式模型，即可執行任何自然語言處理工作。 舉例來說，如要執行問答工作，您可以提供類似 |
使用 Cloud Translation API 執行下列工作： | 使用 Cloud Natural Language API 執行下列工作： |
| 帳單 | 會產生 BigQuery ML 資料處理費用。詳情請參閱「BigQuery ML 定價」。 呼叫模型時，會產生 Gemini Enterprise Agent Platform 費用。如果使用 Gemini 2.0 以上版本模型，則會按照 Batch API 費率計費。詳情請參閱「在 Agent Platform 建構及部署 AI 模型的成本」。 |
會產生 BigQuery ML 資料處理費用。詳情請參閱「BigQuery ML 定價」。 呼叫 Cloud Translation API 會產生費用。詳情請參閱 Cloud Translation API 定價。 |
會產生 BigQuery ML 資料處理費用。詳情請參閱「BigQuery ML 定價」。 呼叫 Cloud Natural Language API 會產生費用。詳情請參閱「Cloud Natural Language API 定價」。 |
| 每分鐘要求數 | 不適用於 Gemini 模型。合作夥伴模型則介於 25 到 60 之間。詳情請參閱「每分鐘要求數限制」。 | 200。詳情請參閱「Cloud AI 服務函式」。 | 600。詳情請參閱「Cloud AI 服務函式」。 |
| 每分鐘詞元數 | 視使用的模型而定，範圍從 8,192 到超過 100 萬。 |
沒有詞元限制。不過，ML_TRANSLATE 確實有 30,000 個位元組的限制。 |
100,000。 |
| 輸入資料 | 支援 BigQuery 標準資料表和物件資料表中的文字和非結構化資料。 | 支援 BigQuery 標準資料表的文字資料。 | 支援 BigQuery 標準資料表的文字資料。 |
| 函式輸出內容 | 即使提示相同，模型呼叫的輸出內容也可能不同。 | 每次成功呼叫 API 時，都會針對特定工作類型產生相同的輸出內容。輸出內容包含輸入語言的相關資訊。 | 每次成功呼叫 API 時，都會針對特定工作類型產生相同的輸出內容。輸出內容包含情緒分析任務的情緒強度資訊。 |
| 資料脈絡 | 您可以在提交的提示中提供資料背景資訊。 | 不支援。 | 不支援。 |
| 監督式調整 | 部分模型支援監督式調整。 | 不支援。 | 不支援。 |
| 支援的語言 | 支援情形會因您選擇的大型語言模型而異。 | 支援 Cloud Translation API 語言。 | 支援 Cloud Natural Language API 語言。 |
| 支援的地區 | 支援所有 Generative AI for Agent Platform 區域。 | 支援 EU 和 US 多區域。 |
支援 EU 和 US 多區域。 |