Google utilizza la tecnologia AI per tradurre i contenuti nella tua lingua preferita. Le traduzioni generate dall'AI potrebbero contenere errori.

Genera testo con la funzione AI.GENERATE

Questo tutorial mostra come generare testo da testo, audio o video utilizzando la funzione AI.GENERATE insieme a un modello Gemini ospitato. Questo approccio elimina la necessità di creare e gestire un modello personalizzato.

Obiettivi

Riassumere articoli.
Genera un output strutturato dagli articoli che include un riepilogo e il sentiment generale.
Crea una trascrizione di un video in giapponese e traducila in inglese.
Genera un riepilogo e un elenco di argomenti dai contenuti audio.

Costi

In questo documento vengono utilizzati i seguenti componenti fatturabili di Google Cloud:

BigQuery ML: You incur costs for the data that you process in BigQuery.
Gemini Enterprise Agent Platform: You incur costs for calls to the Agent Platform model.

Per generare una stima dei costi in base all'utilizzo previsto, utilizza il Calcolatore prezzi.

I nuovi utenti di Google Cloud potrebbero avere diritto a una prova senza costi.

Per saperne di più, consulta la pagina relativa ai prezzi di BigQuery e ai prezzi di Agent Platform.

Prima di iniziare

Accedi al tuo account Google Cloud . Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti senza costi per l'esecuzione, il test e il deployment dei workload.

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.

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.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Abilita l'API BigQuery, se non è già abilitata.
Ruoli richiesti per abilitare le API
Per abilitare le API, devi disporre dell'autorizzazione serviceusage.services.enable. Se hai creato il progetto, probabilmente hai già questa autorizzazione tramite il ruolo Proprietario (roles/owner). In caso contrario, puoi ottenere questa autorizzazione tramite il ruolo Amministratore Service Usage (roles/serviceusage.serviceUsageAdmin). Scopri come concedere i ruoli.
Abilitare l'API

Per i nuovi progetti, l'API BigQuery viene abilitata automaticamente.

Ruoli obbligatori

Per ottenere le autorizzazioni necessarie per utilizzare la funzione AI.GENERATE, chiedi all'amministratore di concederti i seguenti ruoli IAM:

Creare e utilizzare set di dati e tabelle BigQuery: BigQuery Data Editor (roles/bigquery.dataEditor) sul tuo progetto.
Creare, delegare e utilizzare le connessioni BigQuery: BigQuery Connections Admin (roles/bigquery.connectionsAdmin) sul tuo progetto.
Concedi le autorizzazioni al account di servizio della connessione: Project IAM Admin (roles/resourcemanager.projectIamAdmin) sul progetto che contiene l'endpoint della piattaforma Gemini Enterprise Agent.
Creare job BigQuery: Utente job BigQuery (roles/bigquery.jobUser) nel tuo progetto.

Per saperne di più sulla concessione dei ruoli, consulta Gestisci l'accesso a progetti, cartelle e organizzazioni.

Questi ruoli predefiniti contengono le autorizzazioni necessarie per utilizzare la funzione AI.GENERATE. Per vedere quali sono esattamente le autorizzazioni richieste, espandi la sezione Autorizzazioni obbligatorie:

Autorizzazioni obbligatorie

Per utilizzare la funzione AI.GENERATE sono necessarie le seguenti autorizzazioni:

Crea un set di dati: bigquery.datasets.create
Crea, delega e utilizza una connessione: bigquery.connections.*
Imposta le autorizzazioni del account di servizio:
- resourcemanager.projects.getIamPolicy
- resourcemanager.projects.setIamPolicy
Esegui query sui dati della tabella: bigquery.tables.getData

Potresti anche ottenere queste autorizzazioni con ruoli personalizzati o altri ruoli predefiniti.

Crea un set di dati

Crea un set di dati BigQuery per contenere le tue risorse:

Console

Nella console Google Cloud , vai alla pagina BigQuery.

Vai a BigQuery
Nel riquadro a sinistra, fai clic su Spazio di esplorazione:

Se non vedi il riquadro a sinistra, fai clic su Espandi riquadro sinistro per aprirlo.
Nel riquadro Explorer, fai clic sul nome del progetto.
Fai clic su Visualizza azioni > Crea set di dati.
Nella pagina Crea set di dati, segui questi passaggi:
1. In ID set di dati, digita un nome per il set di dati.
2. Per Tipo di località, seleziona Regione o Multi-regione.
  - Se hai selezionato Regione, seleziona una località dall'elenco Regione.
  - Se hai selezionato Multiregione, seleziona Stati Uniti o Europa dall'elenco Multiregione.
3. Fai clic su Crea set di dati.

bq

Per creare un nuovo set di dati, utilizza il comando bq mk con il flag --location:
```
bq --location=LOCATION mk -d DATASET_ID
```
Sostituisci quanto segue:
- LOCATION: la località del set di dati.
- DATASET_ID: l'ID del set di dati che stai creando.
Verifica che il set di dati sia stato creato:
```
bq ls
```

Crea una connessione

Dopo aver creato il set di dati di addestramento, stabilisci una connessione per collegare BigQuery e le origini esterne. Crea una connessione alle risorse Cloud e ottieni il account di servizio della connessione. Crea la connessione nella stessa località del set di dati che hai creato nel passaggio precedente.

Seleziona una delle seguenti opzioni:

Console

Vai alla pagina BigQuery.

Vai a BigQuery
Nel riquadro a sinistra, fai clic su Explorer:

Se non vedi il riquadro a sinistra, fai clic su Espandi riquadro sinistro per aprirlo.
Nel riquadro Explorer, espandi il nome del progetto, quindi fai clic su Connessioni.
Nella pagina Connessioni, fai clic su Crea connessione.
In Tipo di connessione, scegli Modelli remoti di Vertex AI, funzioni remote, BigLake e Spanner (risorsa Cloud).
Nel campo ID connessione, inserisci un nome per la connessione.
In Tipo di località, seleziona una località per la connessione. La connessione deve essere collocata insieme alle altre risorse, ad esempio i set di dati.
Fai clic su Crea connessione.
Fai clic su Vai alla connessione.
Nel riquadro Informazioni sulla connessione, copia l'ID account di servizio da utilizzare in un passaggio successivo.

SQL

Utilizza l'istruzione CREATE CONNECTION:

Nella console Google Cloud , vai alla pagina BigQuery.

Vai a BigQuery
Nell'editor di query, inserisci la seguente istruzione:
```
CREATE CONNECTION [IF NOT EXISTS] `CONNECTION_NAME`
OPTIONS (
  connection_type = "CLOUD_RESOURCE",
  friendly_name = "FRIENDLY_NAME",
  description = "DESCRIPTION"
  );
```
Sostituisci quanto segue:
- CONNECTION_NAME: il nome della connessione nel formato PROJECT_ID.LOCATION.CONNECTION_ID, LOCATION.CONNECTION_ID o CONNECTION_ID. Se il progetto o la località vengono omessi, vengono dedotti dal progetto e dalla località in cui viene eseguita l'istruzione.
- FRIENDLY_NAME (facoltativo): un nome descrittivo per la connessione.
- DESCRIPTION (facoltativo): una descrizione della connessione.
Fai clic su Esegui.

Per saperne di più su come eseguire le query, consulta Esegui una query interattiva.

bq

In un ambiente a riga di comando, crea una connessione:
```
bq mk --connection --location=REGION --project_id=PROJECT_ID \
    --connection_type=CLOUD_RESOURCE CONNECTION_ID
```
Il parametro --project_id sostituisce il progetto predefinito.

Sostituisci quanto segue:
- REGION: la tua regione di connessione
- PROJECT_ID: il tuo ID progetto Google Cloud
- CONNECTION_ID: un ID per la tua connessione
Quando crei una risorsa di connessione, BigQuery crea un account di servizio di sistema univoco e lo associa alla connessione.

Risoluzione dei problemi: se ricevi il seguente errore di connessione, aggiorna Google Cloud SDK:
```
Flags parsing error: flag --connection_type=CLOUD_RESOURCE: value should be one of...
```

Recupera e copia l'ID del account di servizio da utilizzare in un passaggio successivo:

bq show --connection PROJECT_ID.REGION.CONNECTION_ID

L'output è simile al seguente:

name                          properties
1234.REGION.CONNECTION_ID     {"serviceAccountId": "connection-1234-9u56h9@gcp-sa-bigquery-condel.iam.gserviceaccount.com"}

Python

Prima di provare questo esempio, segui le istruzioni di configurazione di Python nella guida rapida di BigQuery per l'utilizzo delle librerie client. Per saperne di più, consulta la documentazione di riferimento dell'API BigQuery Python.

Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configura l'autenticazione per le librerie client.

import google.api_core.exceptions
from google.cloud import bigquery_connection_v1

client = bigquery_connection_v1.ConnectionServiceClient()


def create_connection(
    project_id: str,
    location: str,
    connection_id: str,
):
    """Creates a BigQuery connection to a Cloud Resource.

    Cloud Resource connection creates a service account which can then be
    granted access to other Google Cloud resources for federated queries.

    Args:
        project_id: The Google Cloud project ID.
        location: The location of the connection (for example, "us-central1").
        connection_id: The ID of the connection to create.
    """

    parent = client.common_location_path(project_id, location)

    connection = bigquery_connection_v1.Connection(
        friendly_name="Example Connection",
        description="A sample connection for a Cloud Resource.",
        cloud_resource=bigquery_connection_v1.CloudResourceProperties(),
    )

    try:
        created_connection = client.create_connection(
            parent=parent, connection_id=connection_id, connection=connection
        )
        print(f"Successfully created connection: {created_connection.name}")
        print(f"Friendly name: {created_connection.friendly_name}")
        print(
            f"Service Account: {created_connection.cloud_resource.service_account_id}"
        )

    except google.api_core.exceptions.AlreadyExists:
        print(f"Connection with ID '{connection_id}' already exists.")
        print("Please use a different connection ID.")
    except Exception as e:
        print(f"An unexpected error occurred while creating the connection: {e}")

Node.js

Prima di provare questo esempio, segui le istruzioni di configurazione di Node.js nella guida rapida di BigQuery per l'utilizzo delle librerie client. Per saperne di più, consulta la documentazione di riferimento dell'API BigQuery Node.js.

Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configura l'autenticazione per le librerie client.

const {ConnectionServiceClient} =
  require('@google-cloud/bigquery-connection').v1;
const {status} = require('@grpc/grpc-js');

const client = new ConnectionServiceClient();

/**
 * Creates a new BigQuery connection to a Cloud Resource.
 *
 * A Cloud Resource connection creates a service account that can be granted access
 * to other Google Cloud resources.
 *
 * @param {string} projectId The Google Cloud project ID. for example, 'example-project-id'
 * @param {string} location The location of the project to create the connection in. for example, 'us-central1'
 * @param {string} connectionId The ID of the connection to create. for example, 'example-connection-id'
 */
async function createConnection(projectId, location, connectionId) {
  const parent = client.locationPath(projectId, location);

  const connection = {
    friendlyName: 'Example Connection',
    description: 'A sample connection for a Cloud Resource',
    // The service account for this cloudResource will be created by the API.
    // Its ID will be available in the response.
    cloudResource: {},
  };

  const request = {
    parent,
    connectionId,
    connection,
  };

  try {
    const [response] = await client.createConnection(request);

    console.log(`Successfully created connection: ${response.name}`);
    console.log(`Friendly name: ${response.friendlyName}`);

    console.log(`Service Account: ${response.cloudResource.serviceAccountId}`);
  } catch (err) {
    if (err.code === status.ALREADY_EXISTS) {
      console.log(`Connection '${connectionId}' already exists.`);
    } else {
      console.error(`Error creating connection: ${err.message}`);
    }
  }
}

Java

Prima di provare questo esempio, segui le istruzioni di configurazione di Java nella guida rapida di BigQuery per l'utilizzo delle librerie client. Per saperne di più, consulta la documentazione di riferimento dell'API BigQuery Java.

Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configura l'autenticazione per le librerie client.

import com.google.api.gax.rpc.AlreadyExistsException;
import com.google.api.gax.rpc.ApiException;
import com.google.cloud.bigquery.connection.v1.CloudResourceProperties;
import com.google.cloud.bigquery.connection.v1.Connection;
import com.google.cloud.bigquery.connection.v1.CreateConnectionRequest;
import com.google.cloud.bigquery.connection.v1.LocationName;
import com.google.cloud.bigqueryconnection.v1.ConnectionServiceClient;
import java.io.IOException;

public class CreateConnection {

  /**
   * Creates a BigQuery connection to a Cloud Resource. A Cloud Resource connection provisions a
   * service account that can be granted access to other Google Cloud resources for federated
   * queries.
   *
   * @param projectId The Google Cloud project ID (for example, "example-project-id").
   * @param location The geographic location of the connection (for example, "us-central1").
   * @param connectionId The ID of the connection to create (for example, "example-connection-id").
   */
  public static void createConnection(String projectId, String location, String connectionId) {
    LocationName parent = LocationName.of(projectId, location);

    // CloudResourceProperties provisions a managed Google Cloud service account on creation.
    CloudResourceProperties cloudResourceProperties = CloudResourceProperties.newBuilder().build();
    Connection connection =
        Connection.newBuilder()
            .setFriendlyName("Example Connection")
            .setDescription("Cloud Resource connection for federated queries.")
            .setCloudResource(cloudResourceProperties)
            .build();

    CreateConnectionRequest request =
        CreateConnectionRequest.newBuilder()
            .setParent(parent.toString())
            .setConnectionId(connectionId)
            .setConnection(connection)
            .build();

    try (ConnectionServiceClient client = ConnectionServiceClient.create()) {
      Connection response = client.createConnection(request);

      System.out.printf("Successfully created connection: %s%n", response.getName());
      System.out.printf("Friendly name: %s%n", response.getFriendlyName());
      System.out.printf(
          "Service Account: %s%n", response.getCloudResource().getServiceAccountId());
    } catch (AlreadyExistsException err) {
      System.err.printf(
          "error: connection '%s' already exists in location '%s' for project '%s': %s%n",
          connectionId, location, projectId, err.getMessage());
    } catch (ApiException | IOException err) {
      System.err.printf(
          "error: failed to create connection '%s' in location '%s' for project '%s': %s%n",
          connectionId, location, projectId, err.getMessage());
    }
  }

Terraform

Utilizza la risorsa google_bigquery_connection.

Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configura l'autenticazione per le librerie client.

L'esempio seguente crea una connessione alle risorse Cloud denominata my_cloud_resource_connection nella regione US:


# This queries the provider for project information.
data "google_project" "default" {}

# This creates a cloud resource connection in the US region named my_cloud_resource_connection.
# Note: The cloud resource nested object has only one output field - serviceAccountId.
resource "google_bigquery_connection" "default" {
  connection_id = "my_cloud_resource_connection"
  project       = data.google_project.default.project_id
  location      = "US"
  cloud_resource {}
}

Per applicare la configurazione Terraform in un progetto Google Cloud , completa i passaggi descritti nelle sezioni seguenti.

Prepara Cloud Shell

Avvia Cloud Shell.
Imposta il progetto Google Cloud predefinito in cui vuoi applicare le configurazioni Terraform.

Devi eseguire questo comando una sola volta per progetto e puoi eseguirlo in qualsiasi directory.
```
export GOOGLE_CLOUD_PROJECT=PROJECT_ID
```
Le variabili di ambiente vengono sostituite se imposti valori espliciti nel file di configurazione Terraform.

Prepara la directory

Ogni file di configurazione Terraform deve avere la propria directory (chiamata anche modulo principale).

In Cloud Shell, crea una directory e un nuovo file al suo interno. Il nome file deve avere l'estensione .tf, ad esempio main.tf. In questo tutorial, il file è denominato main.tf.
```
mkdir DIRECTORY && cd DIRECTORY && touch main.tf
```
Se stai seguendo un tutorial, puoi copiare il codice campione in ogni sezione o passaggio.

Copia il codice campione nel file main.tf appena creato.

Facoltativamente, copia il codice da GitHub. Questa opzione è consigliata quando lo snippet Terraform fa parte di una soluzione end-to-end.
Esamina e modifica i parametri di esempio da applicare al tuo ambiente.
Salva le modifiche.
Inizializza Terraform. Devi eseguire questa operazione una sola volta per directory.
```
terraform init
```
Facoltativamente, per utilizzare l'ultima versione del provider Google, includi l'opzione -upgrade:
```
terraform init -upgrade
```

Applica le modifiche

Esamina la configurazione e verifica che le risorse che Terraform creerà o aggiornerà corrispondano alle tue aspettative:
```
terraform plan
```
Apporta le correzioni necessarie alla configurazione.
Applica la configurazione Terraform eseguendo il comando seguente e inserendo yes al prompt:
```
terraform apply
```
Attendi che Terraform visualizzi il messaggio "Apply complete!".
Apri il tuo progetto Google Cloud per visualizzare i risultati. Nella console Google Cloud , vai alle risorse nell'interfaccia utente per assicurarti che Terraform le abbia create o aggiornate.

Concedi l'accesso al account di servizio

Concedi al account di servizio della connessione i ruoli Agent Platform User e Storage Object Viewer. Per concedere i ruoli, segui questi passaggi:

Vai alla pagina IAM e amministrazione.

Vai a IAM e amministrazione
Fai clic su Aggiungi.

Viene visualizzata la finestra di dialogo Aggiungi entità.
Nel campo Nuove entità, inserisci l'ID del account di servizio che hai copiato in precedenza.
Nel campo Seleziona un ruolo, seleziona Vertex AI, quindi seleziona Utente Agent Platform.
Fai clic su Aggiungi un altro ruolo.
Nel campo Seleziona un ruolo, scegli Cloud Storage e poi seleziona Visualizzatore oggetti Storage.
Fai clic su Salva.

Riassumi il testo e utilizza il formato di output predefinito

Per riassumere gli articoli, chiama la funzione AI.GENERATE con il testo dell'articolo come prompt. Per impostazione predefinita, l'output include il testo del riepilogo generato, la risposta completa e uno stato vuoto se la funzione viene restituita correttamente.

Nella console Google Cloud , vai alla pagina BigQuery.

Vai a BigQuery

Nell'editor di query, esegui questa query:

WITH
bbc_news AS (
  SELECT body FROM `bigquery-public-data.bbc_news.fulltext` LIMIT 5
)
SELECT AI.GENERATE(body) AS news FROM bbc_news;

L'output è simile al seguente:

+---------------------------------------------+------------------------------------+---------------+
| 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... |               |
+---------------------------------------------+------------------------------------+---------------+
| ...                                         | ...                                | ...           |
+---------------------------------------------+------------------------------------+---------------+

Riassumere il testo e generare risultati strutturati

Segui questi passaggi per generare testo utilizzando la funzione AI.GENERATE e utilizza l'argomento output_schema della funzione AI.GENERATE per formattare l'output:

Nella console Google Cloud , vai alla pagina BigQuery.

Vai a BigQuery

Nell'editor di query, esegui questa query:

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, output_schema  => 'summary STRING, good_sentiment BOOL')]) AS news;

L'output è simile al seguente:

+----------------+--------------------------------------------+
| good_sentiment | summary                                    |
+----------------+--------------------------------------------+
| true           | A World Bank report suggests the digital   |
|                | divide is rapidly closing due to increased |
|                | access to technology in developing...      |
+----------------+--------------------------------------------+
| false          | A massive earthquake and subsequent        |
|                | waves have devastated southern Asia, with  |
|                | Sri Lanka, India, Indonesia, and...        |
+----------------+--------------------------------------------+
| ...            | ...                                        |
+----------------+--------------------------------------------+

Trascrivi e traduci i contenuti video

Puoi elaborare i file multimediali archiviati in Cloud Storage utilizzando tabelle di oggetti esterni. I passaggi seguenti mostrano come creare una tabella di oggetti per i file video, trascrivere i contenuti video in giapponese e tradurre il testo in inglese.

Nella console Google Cloud , vai alla pagina BigQuery.

Vai a BigQuery

Nell'editor di query, esegui questa query per creare la tabella degli oggetti:

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/*']);

Nell'editor di query, esegui la seguente query per trascrivere e tradurre il file pixel8.mp4:

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

L'output è simile al seguente:

+--------------------------------------------+--------------------------------+
| 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    |
+--------------------------------------------+--------------------------------+

Analizza i contenuti dei file audio

Segui questi passaggi per creare una tabella di oggetti sui contenuti audio pubblici e poi analizza i contenuti dei file audio.

Nella console Google Cloud , vai alla pagina BigQuery.

Vai a BigQuery

Nell'editor di query, esegui questa query per creare la tabella degli oggetti:

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/*']);

Nell'editor di query, esegui la query seguente per analizzare i file audio:

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

I risultati sono simili ai seguenti:

+--------------------------------------------+-----------------------------------------------------------+
| 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      |                                      |
+--------------------------------------------+--------------------+--------------------------------------+
| ...                                        | ...                | ...                                  |
+--------------------------------------------+--------------------+--------------------------------------+

Esegui la pulizia

Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questo tutorial, elimina il progetto che contiene le risorse oppure mantieni il progetto ed elimina le singole risorse.

Attenzione: l'eliminazione di un progetto ha i seguenti effetti:

L'intero contenuto del progetto viene eliminato. Se hai utilizzato un progetto esistente per, le attività descritte in questo documento, eliminerai anche tutto il lavoro che hai svolto nel progetto.
Gli ID progetto personalizzati non sono più disponibili. Quando hai creato questo progetto, potresti aver creato un ID progetto personalizzato che vuoi utilizzare in futuro. Per conservare gli URL che utilizzano l'ID progetto, ad esempio un URL appspot.com, elimina le risorse selezionate all'interno del progetto anziché eliminare l'intero progetto.

Se intendi esplorare più architetture, tutorial o guide rapide, puoi riutilizzare i progetti ed evitare così di superare i limiti di quota.

Nella console Google Cloud , vai alla pagina Gestisci risorse.
Vai a Gestisci risorse
Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
Nella finestra di dialogo, digita l'ID progetto, quindi fai clic su Chiudi per eliminare il progetto.

Elimina singole risorse

Se vuoi riutilizzare il progetto, elimina le risorse che hai creato per il tutorial.

Console

Vai alla pagina BigQuery.

Vai a BigQuery
Elimina il set di dati bqml_tutorial. Se elimini il set di dati, viene eliminato anche il modello remoto.
1. Nel riquadro Explorer, espandi il progetto e fai clic su Set di dati.
2. Nell'elenco Set di dati, fai clic sul set di dati bqml_tutorial.
3. Nel riquadro dei dettagli, fai clic su Elimina.
4. Nella finestra di dialogo Elimina set di dati, fai clic su Elimina.
Elimina la connessione:
1. Nel riquadro Explorer, espandi il progetto e fai clic su Connessioni.
2. Nell'elenco ID connessione, fai clic sulla connessione che hai creato.
3. Nel riquadro dei dettagli, fai clic su Elimina.
4. Nella finestra di dialogo Elimina connessione, inserisci delete per confermare l'eliminazione.
5. Fai clic su Elimina.

gcloud

Elimina il set di dati bqml_tutorial e il modello remoto:
```
bq rm --dataset --recursive bqml_tutorial
```
Elimina la connessione.
```
bq rm --connection PROJECT_ID.LOCATION.CONNECTION_ID
```
Sostituisci quanto segue:
- PROJECT_ID: il tuo ID progetto Google Cloud
- LOCATION: la località della connessione
- CONNECTION_ID: l'ID connessione

Passaggi successivi

Scopri di più sull'AI generativa in BigQuery.
Scopri di più sulla scelta di una funzione di generazione di testo.

Genera testo con la funzione AI.GENERATE Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.

Obiettivi

Costi

Prima di iniziare

Ruoli obbligatori

Autorizzazioni obbligatorie

Crea un set di dati

Console

bq

Crea una connessione

Console

SQL

bq

Python

Node.js

Java

Terraform

Prepara Cloud Shell

Prepara la directory

Applica le modifiche

Concedi l'accesso al account di servizio

Riassumi il testo e utilizza il formato di output predefinito

Riassumere il testo e generare risultati strutturati

Trascrivi e traduci i contenuti video

Analizza i contenuti dei file audio

Esegui la pulizia

Elimina singole risorse

Console

gcloud

Passaggi successivi

Genera testo con la funzione AI.GENERATE