Générer du texte avec la fonction AI.GENERATE

Ce tutoriel vous explique comment générer du texte à partir de données textuelles ou multimodales à l'aide de la AI.GENERATE fonction. Avec la fonction AI.GENERATE, vous utilisez une connexion de ressource cloud pour vous connecter à un modèle Gemini hébergé. Vous n'avez donc pas besoin de créer ni de gérer votre propre modèle.

Ce guide vous explique comment effectuer les tâches suivantes :

• Résumer le contenu textuel et afficher les résultats au format par défaut de la fonction
• Résumer le contenu textuel et afficher les résultats structurés
• Transcrire et traduire du contenu vidéo
• Analyser le contenu d'un fichier audio

Coûts

Dans ce document, vous utilisez les composants facturables suivants de Google Cloud:

• BigQuery ML: You incur costs for the data that you process in BigQuery.
• Vertex AI: You incur costs for calls to the Vertex AI model.

Obtenez une estimation des coûts en fonction de votre utilisation prévue, utilisez le simulateur de coût.

Les nouveaux utilisateurs de peuvent bénéficier d'un essai sans frais. Google Cloud

Pour en savoir plus sur les tarifs de BigQuery, consultez la page Tarifs de BigQuery dans la documentation BigQuery.

Pour en savoir plus sur les tarifs de l'IA générative Vertex AI, consultez la page Tarifs de Vertex AI.

Avant de commencer

Connectez-vous à votre Google Cloud compte. Si vous débutez sur Google Cloud, créez un compte pour évaluer les performances de nos produits en conditions réelles. Les nouveaux clients bénéficient également de 300 $de crédits sans frais pour exécuter, tester et déployer des charges de travail.

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

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

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

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

1. BigQuery est automatiquement activé dans les nouveaux projets. Pour activer BigQuery dans un projet préexistant, accédez à .

   Activez l'API BigQuery.

   Rôles requis pour activer les API

   Pour activer les API, vous avez besoin du rôle IAM Administrateur d'utilisation du service (roles/serviceusage.serviceUsageAdmin), qui contient l'autorisation serviceusage.services.enable. Découvrez comment attribuer des rôles.

   Activer l'API

Rôles requis

Pour utiliser la fonction AI.GENERATE, vous avez besoin des rôles IAM (Identity and Access Management) suivants :

• Créer et utiliser des ensembles de données et des tables BigQuery : éditeur de données BigQuery (roles/bigquery.dataEditor) sur votre projet
• Créer, déléguer et utiliser des connexions BigQuery : administrateur de connexions BigQuery (roles/bigquery.connectionsAdmin) sur votre projet
• Accorder des autorisations au compte de service de la connexion : administrateur IAM du projet (roles/resourcemanager.projectIamAdmin) sur le projet contenant le point de terminaison Vertex AI
• Créer des jobs BigQuery : utilisateur de job BigQuery (roles/bigquery.jobUser) sur votre projet

Ces rôles prédéfinis contiennent les autorisations requises pour effectuer les tâches décrites dans ce document. Pour afficher les autorisations exactes requises, développez la section Autorisations requises :

Autorisations requises

• Créer un ensemble de données : bigquery.datasets.create
• Créer, déléguer et utiliser une connexion : bigquery.connections.*
• Définir les autorisations du compte de service : resourcemanager.projects.getIamPolicy et resourcemanager.projects.setIamPolicy
• Interroger les données de la table : bigquery.tables.getData

Vous pouvez également obtenir ces autorisations avec des rôles personnalisés ou d'autres rôles prédéfinis.

Créer un ensemble de données

Créez un ensemble de données BigQuery pour stocker votre modèle de ML.

Console

1. Dans la Google Cloud console, accédez à la page BigQuery.

   Accéder à la page "BigQuery"

2. Dans le volet Explorateur, cliquez sur le nom de votre projet.

3. Cliquez sur Afficher les actions > Créer un ensemble de données

4. Sur la page Créer un ensemble de données, procédez comme suit :

   • Dans le champ ID de l'ensemble de données, saisissez bqml_tutorial.

   • Pour Type d'emplacement, sélectionnez Multirégional, puis sélectionnez US.

   • Conservez les autres paramètres par défaut, puis cliquez sur Créer un ensemble de données.

bq

Pour créer un ensemble de données, exécutez la bq mk --dataset commande.

1. Créez un ensemble de données nommé bqml_tutorial avec l'emplacement des données défini sur US.

   bq mk --dataset \
     --location=US \
     --description "BigQuery ML tutorial dataset." \
     bqml_tutorial

2. Vérifiez que l'ensemble de données a été créé :

   bq ls

API

Appelez la datasets.insert méthode avec une ressource d'ensemble de données définie.

{
  "datasetReference": {
     "datasetId": "bqml_tutorial"
  }
}

Créer une connexion

Créez une connexion de ressource cloud et obtenez le compte de service de la connexion. Créez la connexion dans le même emplacement que l'ensemble de données que vous avez créé à l' étape précédente.

Pour créer une connexion, procédez comme suit :

1. Accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans le volet Explorateur, cliquez sur Ajouter des données :

   

   La boîte de dialogue Ajouter des données s'ouvre.

3. Dans le volet Filtrer par, dans la section Type de source de données, sélectionnez Applications d'entreprise.

   Vous pouvez également saisir Vertex AI dans le champ Rechercher des sources de données.

4. Dans la section Sources de données mises en avant, cliquez sur Vertex AI.

5. Cliquez sur la carte de solution Vertex AI Models: BigQuery Federation (Vertex AI : Fédération BigQuery).

6. Dans la liste Type de connexion, sélectionnez Modèles distants Vertex AI, fonctions à distance, BigLake et Spanner (ressource Cloud).

7. Dans le champ ID de connexion, saisissez test_connection.

8. Cliquez sur Créer une connexion.

9. Cliquez sur Accéder à la connexion.

10. Dans le volet Informations de connexion, copiez l'ID du compte de service que vous utiliserez à l'étape suivante.

Accorder l'accès au compte de service

Attribuez le rôle d'utilisateur Vertex AI au compte de service de la connexion.

Pour accorder le rôle, procédez comme suit :

1. Accédez à la page IAM et administration.

   Accéder à IAM et administration

2. Cliquez sur Ajouter.

   La boîte de dialogue Ajouter des comptes principaux s'ouvre.

3. Dans le champ Nouveaux comptes principaux, saisissez l'ID du compte de service que vous avez copié précédemment.

4. Dans le champ Sélectionner un rôle, sélectionnez Vertex AI, puis sélectionnez Utilisateur Vertex AI.

5. Cliquez sur Ajouter un autre rôle.

6. Dans le champ Sélectionner un rôle, sélectionnez Cloud Storage, puis Lecteur des objets Storage.

7. Cliquez sur Enregistrer.

Résumer du texte et utiliser le format de sortie par défaut

Pour générer du texte à l'aide de la fonction AI.GENERATE et afficher les résultats au format par défaut de cette fonction, procédez comme suit :AI.GENERATE

1. Dans la Google Cloud console, accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans l'éditeur de requête, saisissez la requête suivante :

   WITH
   bbc_news AS (
     SELECT body FROM `bigquery-public-data.bbc_news.fulltext` LIMIT 5
   )
   SELECT AI.GENERATE(body, connection_id => 'us.test_connection') AS news FROM bbc_news;

   Le résultat ressemble à ce qui suit :

   +---------------------------------------------+------------------------------------+---------------+
   | news.result                                 | news.full_response                 | news.status   |
   +---------------------------------------------+------------------------------------+---------------+
   | This article presents a debate about the    | {"candidates":[{"avg_logprobs":    |               |
   | "digital divide" between rich and poor      | -0.31465074559841777, content":    |               |
   | nations. Here's a breakdown of the key..    | {"parts":[{"text":"This article..  |               |
   +---------------------------------------------+------------------------------------+---------------+
   | This article discusses how advanced         | {"candidates":[{"avg_logprobs":    |               |
   | mapping technology is aiding humanitarian   | -0.21313422900091983,"content":    |               |
   | efforts in Darfur, Sudan. Here's a...       | {"parts":[{"text":"This article..  |               |
   +---------------------------------------------+------------------------------------+---------------+
   | ...                                         | ...                                | ...           |
   +---------------------------------------------+------------------------------------+---------------+
   

Résumer du texte et afficher les résultats structurés

Pour générer du texte à l'aide de la fonction AI.GENERATE et utiliser l'argument output_schema de cette fonction pour mettre en forme la sortie, procédez comme suit :AI.GENERATE

1. Dans la Google Cloud console, accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans l'éditeur de requête, saisissez la requête suivante :

   WITH
   bbc_news AS (
     SELECT
       body
     FROM
       `bigquery-public-data`.bbc_news.fulltext
     LIMIT 5
   )
   SELECT
   news.good_sentiment,
   news.summary
   FROM
   bbc_news,
   UNNEST(ARRAY[AI.GENERATE(body, connection_id  => 'us.test', output_schema  => 'summary STRING, good_sentiment BOOL')]) AS news;

   Le résultat ressemble à ce qui suit :

   +----------------+--------------------------------------------+
   | good_sentiment | summary                                    |
   +----------------+--------------------------------------------+
   | true           | A World Bank report suggests the digital   |
   |                | divide is rapidly closing due to increased |
   |                | access to technology in developing..       |
   +----------------+--------------------------------------------+
   | true           | A review of sports games, focusing on the  |
   |                | rivalry between EA Sports and ESPN, and    |
   |                | the recent deal where EA acquired the..    |
   +----------------+--------------------------------------------+
   | ...            | ...                                        |
   +----------------+--------------------------------------------+
   

Transcrire et traduire du contenu vidéo

Pour créer une table d'objets sur du contenu vidéo public, puis transcrire et traduire une vidéo, procédez comme suit :

1. Dans la Google Cloud console, accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans l'éditeur de requêtes, exécutez la requête suivante pour créer la table d'objets :

   CREATE OR REPLACE EXTERNAL TABLE `bqml_tutorial.video`
   WITH CONNECTION `us.test_connection`
   OPTIONS (
     object_metadata = 'SIMPLE',
     uris =
       ['gs://cloud-samples-data/generative-ai/video/*']);

3. Dans l'éditeur de requêtes, exécutez la requête suivante pour transcrire et traduire le fichier pixel8.mp4 :

   SELECT
   AI.GENERATE(
     (OBJ.GET_ACCESS_URL(ref, 'r'), 'Transcribe the video in Japanese and then translate to English.'),
     connection_id => 'us.test_connection',
     endpoint => 'gemini-2.5-flash',
     output_schema => 'japanese_transcript STRING, english_translation STRING'
   ).* EXCEPT (full_response, status)
   FROM
   `bqml_tutorial.video`
   WHERE
   REGEXP_CONTAINS(uri, 'pixel8.mp4');

   Le résultat ressemble à ce qui suit :

   +--------------------------------------------+--------------------------------+
   | english_translation                        | japanese_transcript            |
   +--------------------------------------------+--------------------------------+
   | My name is Saeka Shimada. I'm a            | 島田 さえか です 。 東京 で フ     |
   | photographer in Tokyo. Tokyo has many      | ォトグラファー を し て い ま      |
   | faces. The city at night is totally...     | す 。 東京 に は いろんな 顔 が    |
   +--------------------------------------------+--------------------------------+
   

Analyser le contenu d'un fichier audio

Pour créer une table d'objets sur du contenu audio public, puis analyser le contenu des fichiers audio, procédez comme suit :

1. Dans la Google Cloud console, accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans l'éditeur de requêtes, exécutez la requête suivante pour créer la table d'objets :

   CREATE OR REPLACE EXTERNAL TABLE `bqml_tutorial.audio`
     WITH CONNECTION `us.test_connection`
     OPTIONS (
       object_metadata = 'SIMPLE',
       uris =
         ['gs://cloud-samples-data/generative-ai/audio/*']);

3. Dans l'éditeur de requêtes, exécutez la requête suivante pour analyser les fichiers audio :

   SELECT
   AI.GENERATE(
     (OBJ.GET_ACCESS_URL(ref, 'r'), 'Summarize the content of this audio file.'),
     connection_id => 'us.test_connection',
     endpoint => 'gemini-2.5-flash',
     output_schema => 'topic ARRAY<STRING>, summary STRING'
   ).* EXCEPT (full_response, status), uri
   FROM
   `bqml_tutorial.audio`;

   Les résultats ressemblent à ce qui suit :

   +--------------------------------------------+-----------------------------------------------------------+
   | summary                                    | topic              | uri                                  |
   +--------------------------------------------+-----------------------------------------------------------+
   | The audio contains a distinctive 'beep'    | beep sound         | gs://cloud-samples-data/generativ... |
   | sound, followed by the characteristic      |                    |                                      |
   | sound of a large vehicle or bus backing..  |                    |                                      |
   +--------------------------------------------+--------------------+--------------------------------------+
   |                                            | vehicle backing up |                                      |
   |                                            +--------------------+                                      |
   |                                            | bus                |                                      |
   |                                            +--------------------+                                      |
   |                                            | alarm              |                                      |
   +--------------------------------------------+--------------------+--------------------------------------+
   | The speaker introduces themselves          | Introduction       | gs://cloud-samples-data/generativ... |
   | as Gemini and expresses their excitement   |                    |                                      |
   | and readiness to dive into something..     |                    |                                      |
   +--------------------------------------------+--------------------+--------------------------------------+
   |                                            | Readiness          |                                      |
   |                                            +--------------------+                                      |
   |                                            | Excitement         |                                      |
   |                                            +--------------------+                                      |
   |                                            | Collaboration      |                                      |
   +--------------------------------------------+--------------------+--------------------------------------+
   | ...                                        | ...                | ...                                  |
   +--------------------------------------------+--------------------+--------------------------------------+
   

Effectuer un nettoyage

Attention : La suppression d'un projet aura les effets suivants :

• Tout le contenu du projet est supprimé. Si vous avez utilisé un projet existant pour les tâches décrites dans ce document et que vous le supprimez, vous supprimerez également tout autre travail effectué dans le projet.
• Les ID de projets personnalisés sont perdus. Lorsque vous avez créé ce projet, vous avez peut-être créé un ID de projet personnalisé que vous souhaitez utiliser à l'avenir. Pour conserver les URL qui utilisent l'ID de projet, telle qu'une URL appspot.com, supprimez les ressources sélectionnées dans le projet au lieu de supprimer l'ensemble du projet.

Si vous envisagez d'explorer plusieurs architectures, tutoriels et guides de démarrage rapide, réutiliser des projets peut vous aider à ne pas dépasser les limites de quotas des projets.

1. Dans la Google Cloud console, accédez à la page Gérer les ressources.

   Accéder à la page "Gérer les ressources"

2. Dans la liste des projets, sélectionnez le projet que vous souhaitez supprimer, puis cliquez sur Supprimer.
3. Dans la boîte de dialogue, saisissez l'ID du projet, puis cliquez sur Arrêter pour supprimer le projet.