Google は AI 技術を使用して、コンテンツをご希望の言語に翻訳しています。AI 翻訳には誤りが含まれる場合があります。

AI.GENERATE 関数を使用してテキストを生成する

このチュートリアルでは、ホストされている Gemini モデルとともに AI.GENERATE 関数を使用して、テキスト、音声、動画からテキストを生成する方法について説明します。このアプローチでは、独自のモデルを作成して維持する必要がなくなります。

目標

ニュース記事を要約します。
ニュース記事から、要約と全体的な感情を含む構造化された出力を生成します。
動画の文字起こしを日本語で作成し、英語に翻訳します。
音声コンテンツから要約とトピックのリストを生成します。

費用

このドキュメントでは、課金対象である次の Google Cloudコンポーネントを使用します。

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.

料金計算ツールを使うと、予想使用量に基づいて費用の見積もりを生成できます。

新規の Google Cloud ユーザーの方は、無料トライアルをご利用いただける場合があります。

詳細については、BigQuery の料金と Agent Platform の料金をご覧ください。

始める前に

Google Cloud アカウントにログインします。 Google Cloudを初めて使用する場合は、アカウントを作成して、実際のシナリオでの Google プロダクトのパフォーマンスを評価してください。新規のお客様には、ワークロードの実行、テスト、デプロイができる無料クレジット $300 分を差し上げます。

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.

BigQuery API を有効にします。
API を有効にするために必要なロール
API を有効にするには、serviceusage.services.enable 権限が必要です。プロジェクトを作成した場合は、オーナーロール（roles/owner）を介してこの権限がすでに付与されている可能性があります。それ以外の場合は、Service Usage 管理者ロール（roles/serviceusage.serviceUsageAdmin）を介してこの権限を取得できます。ロールを付与する方法をご覧ください。
API の有効化

新しいプロジェクトでは、BigQuery API が自動的に有効になります。

必要なロール

AI.GENERATE 関数を使用するために必要な権限を取得するには、次の IAM ロールを付与するよう管理者に依頼してください。

BigQuery データセットとテーブルを作成、使用する: プロジェクトに対する BigQuery データ編集者（roles/bigquery.dataEditor）。
BigQuery 接続を作成、委任、使用する: プロジェクトに対する BigQuery 接続管理者（roles/bigquery.connectionsAdmin）。
接続のサービスアカウントに権限を付与する: Gemini Enterprise Agent Platform エンドポイントを含むプロジェクトに対する Project IAM 管理者（roles/resourcemanager.projectIamAdmin）。
BigQuery ジョブを作成する: プロジェクトに対する BigQuery ジョブユーザー（roles/bigquery.jobUser）。

ロールの付与については、プロジェクト、フォルダ、組織へのアクセス権の管理をご覧ください。

これらの事前定義ロールには、AI.GENERATE 関数の使用に必要な権限が含まれています。必要とされる正確な権限については、「必要な権限」セクションを開いてご確認ください。

必要な権限

AI.GENERATE 関数を使用するには、次の権限が必要です。

データセットを作成する: bigquery.datasets.create
接続を作成、委任、使用する: bigquery.connections.*
サービスアカウントの権限を設定します。
- resourcemanager.projects.getIamPolicy
- resourcemanager.projects.setIamPolicy
テーブルデータをクエリする: bigquery.tables.getData

カスタムロールや他の事前定義ロールを使用して、これらの権限を取得することもできます。

データセットを作成する

リソースを格納する BigQuery データセットを作成します。

コンソール

Google Cloud コンソールで、[BigQuery] ページに移動します。

BigQuery に移動
左側のペインで、 エクスプローラをクリックします。

左側のペインが表示されていない場合は、 [左ペインを開く] をクリックしてペインを開きます。
[エクスプローラ] ペインで、プロジェクト名をクリックします。
「アクションを表示」> [データセットを作成] をクリックします。
[データセットを作成する] ページで、次の操作を行います。
1. [データセット ID] に、データセットの名前を入力します。
2. [ロケーションタイプ] で、[リージョン] または [マルチリージョン] を選択します。
  - [リージョン] を選択した場合は、[リージョン] リストからロケーションを選択します。
  - [マルチリージョン] を選択した場合は、[マルチリージョン] リストから [US] または [ヨーロッパ] を選択します。
3. [データセットを作成] をクリックします。

bq

新しいデータセットを作成するには、--location フラグを指定した bq mk コマンドを使用します。
```
bq --location=LOCATION mk -d DATASET_ID
```
次のように置き換えます。
- LOCATION: データセットのロケーション。
- DATASET_ID: 作成するデータセットの ID。
データセットが作成されたことを確認します。
```
bq ls
```

接続を作成する

トレーニングデータセットを作成したら、BigQuery と外部ソースをリンクする接続を確立します。Cloud リソース接続を作成し、接続のサービスアカウントを取得します。前の手順で作成したデータセットと同じロケーションに接続を作成します。

次のオプションのいずれかを選択します。

コンソール

[BigQuery] ページに移動します。

BigQuery に移動
左側のペインで、 [エクスプローラ] をクリックします。

左側のペインが表示されていない場合は、 [左ペインを開く] をクリックしてペインを開きます。
[エクスプローラ] ペインで、プロジェクト名を開き、[接続] をクリックします。
[接続] ページで、[接続を作成] をクリックします。
[接続タイプ] で、[Vertex AI リモートモデル、リモート関数、BigLake、Spanner（Cloud リソース）] を選択します。
[接続 ID] フィールドに接続の名前を入力します。
[ロケーションタイプ] で、接続のロケーションを選択します。この接続は、データセットなどの他のリソースと同じロケーションに配置する必要があります。
[接続を作成] をクリックします。
[接続へ移動] をクリックします。
[接続情報] ペインで、以降の手順で使用するサービスアカウント ID をコピーします。

SQL

CREATE CONNECTION ステートメントを使用します。

Google Cloud コンソールで、[BigQuery] ページに移動します。

BigQuery に移動
クエリエディタで次のステートメントを入力します。
```
CREATE CONNECTION [IF NOT EXISTS] `CONNECTION_NAME`
OPTIONS (
  connection_type = "CLOUD_RESOURCE",
  friendly_name = "FRIENDLY_NAME",
  description = "DESCRIPTION"
  );
```
次のように置き換えます。
- CONNECTION_NAME: 接続の名前（PROJECT_ID.LOCATION.CONNECTION_ID、LOCATION.CONNECTION_ID、CONNECTION_ID のいずれかの形式）。プロジェクトまたはロケーションが省略されている場合、ステートメントが実行されるプロジェクトとロケーションから推定されます。
- FRIENDLY_NAME（省略可）: 接続のわかりやすい名前。
- DESCRIPTION（省略可）: 接続の説明。
[ 実行] をクリックします。

クエリの実行方法については、インタラクティブクエリを実行するをご覧ください。

bq

コマンドライン環境で接続を作成します。
```
bq mk --connection --location=REGION --project_id=PROJECT_ID \
    --connection_type=CLOUD_RESOURCE CONNECTION_ID
```
--project_id パラメータは、デフォルトプロジェクトをオーバーライドします。

次のように置き換えます。
- REGION: 接続のリージョン
- PROJECT_ID: 実際の Google Cloud プロジェクト ID
- CONNECTION_ID: 接続の ID
接続リソースを作成すると、BigQuery は、一意のシステムサービスアカウントを作成し、それを接続に関連付けます。

トラブルシューティング: 次の接続エラーが発生した場合は、Google Cloud SDK を更新します。
```
Flags parsing error: flag --connection_type=CLOUD_RESOURCE: value should be one of...
```

後の手順で使用するため、サービスアカウント ID を取得してコピーします。

bq show --connection PROJECT_ID.REGION.CONNECTION_ID

出力は次のようになります。

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

Python

このサンプルを試す前に、クライアントライブラリを使用した BigQuery クイックスタートにある Python の設定手順を完了してください。詳細については、BigQuery Python API のリファレンスドキュメントをご覧ください。

BigQuery に対する認証を行うには、アプリケーションのデフォルト認証情報を設定します。詳細については、クライアントライブラリの認証情報を設定するをご覧ください。

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

このサンプルを試す前に、クライアントライブラリを使用した BigQuery クイックスタートにある Node.js の設定手順を完了してください。詳細については、BigQuery Node.js API のリファレンスドキュメントをご覧ください。

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}`);
    }
  }
}

Terraform

google_bigquery_connection リソースを使用します。

BigQuery に対する認証を行うには、アプリケーションのデフォルト認証情報を設定します。詳細については、クライアントライブラリの認証を設定するをご覧ください。

次の例では、US リージョンに my_cloud_resource_connection という名前の Cloud リソース接続を作成します。


# 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 {}
}

Google Cloud プロジェクトで Terraform 構成を適用するには、次のセクションの手順を完了します。

Cloud Shell を準備する

Cloud Shell を起動します。
Terraform 構成を適用するデフォルトの Google Cloud プロジェクトを設定します。

このコマンドは、プロジェクトごとに 1 回だけ実行する必要があります。これは任意のディレクトリで実行できます。
```
export GOOGLE_CLOUD_PROJECT=PROJECT_ID
```
Terraform 構成ファイルに明示的な値を設定すると、環境変数がオーバーライドされます。

ディレクトリを準備する

Terraform 構成ファイルには独自のディレクトリ（ルートモジュールとも呼ばれます）が必要です。

Cloud Shell で、ディレクトリを作成し、そのディレクトリ内に新しいファイルを作成します。ファイル名の拡張子は .tf にする必要があります（例: main.tf）。このチュートリアルでは、このファイルを main.tf とします。
```
mkdir DIRECTORY && cd DIRECTORY && touch main.tf
```
チュートリアルを使用している場合は、各セクションまたはステップのサンプルコードをコピーできます。

新しく作成した main.tf にサンプルコードをコピーします。

必要に応じて、GitHub からコードをコピーします。Terraform スニペットがエンドツーエンドのソリューションの一部である場合は、この方法をおすすめします。
環境に適用するサンプルパラメータを確認し、変更します。
変更を保存します。
Terraform を初期化します。これは、ディレクトリごとに 1 回だけ行います。
```
terraform init
```
最新バージョンの Google プロバイダを使用する場合は、-upgrade オプションを使用します。
```
terraform init -upgrade
```

変更を適用する

構成を確認して、Terraform が作成または更新するリソースが想定どおりであることを確認します。
```
terraform plan
```
必要に応じて構成を修正します。
次のコマンドを実行します。プロンプトで「yes」と入力して、Terraform 構成を適用します。
```
terraform apply
```
Terraform に「Apply complete!」というメッセージが表示されるまで待ちます。
Google Cloud プロジェクトを開いて結果を表示します。 Google Cloud コンソールの UI でリソースに移動して、Terraform によって作成または更新されたことを確認します。

サービスアカウントにアクセス権を付与する

接続のサービスアカウントに Agent Platform ユーザーと Storage オブジェクト閲覧者のロールを付与します。ロールを付与する手順は次のとおりです。

[IAM と管理] ページに移動します。

[IAM と管理] に移動
[追加] をクリックします。

[プリンシパルを追加] ダイアログが開きます。
[新しいプリンシパル] フィールドに、前の手順でコピーしたサービスアカウント ID を入力します。
[ロールを選択] フィールドで、[Vertex AI] を選択し、[Agent Platform ユーザー] を選択します。
[別のロールを追加] をクリックします。
[ロールを選択] フィールドで、[Cloud Storage] を選択し、続いて [Storage オブジェクト閲覧者] を選択します。
[保存] をクリックします。

テキストを要約してデフォルトの形式で出力する

ニュース記事を要約するには、記事のテキストをプロンプトとして AI.GENERATE 関数を呼び出します。デフォルトでは、出力には生成された要約テキスト、完全なレスポンス、関数が正常に返された場合は空のステータスが含まれます。

Google Cloud コンソールで、[BigQuery] ページに移動します。

[BigQuery] に移動

クエリエディタで、次のクエリを実行します。

WITH
bbc_news AS (
  SELECT body FROM `bigquery-public-data.bbc_news.fulltext` LIMIT 5
)
SELECT AI.GENERATE(body, endpoint => 'gemini-2.5-pro') AS news FROM bbc_news;

出力は次のようになります。

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

テキストを要約して構造化された結果を出力する

AI.GENERATE 関数を使用してテキストを生成し、AI.GENERATE 関数の output_schema 引数を使用して出力の形式を指定するには、次の手順に沿って操作します。

Google Cloud コンソールで、[BigQuery] ページに移動します。

[BigQuery] に移動

クエリエディタで、次のクエリを実行します。

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, endpoint => 'gemini-2.5-pro', output_schema  => 'summary STRING, good_sentiment BOOL')]) AS news;

出力は次のようになります。

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

動画コンテンツの文字起こしと翻訳を行う

外部オブジェクトテーブルを使用すると、Cloud Storage に保存されているマルチメディアファイルを処理できます。次の手順では、動画ファイルのオブジェクトテーブルを作成し、日本語の動画コンテンツを文字起こしして、テキストを英語に翻訳する方法について説明します。

Google Cloud コンソールで、[BigQuery] ページに移動します。

[BigQuery] に移動

クエリエディタで、次のクエリを実行してオブジェクトテーブルを作成します。

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/*']);

クエリエディタで、次のクエリを実行して pixel8.mp4 ファイルの文字起こしと翻訳を行います。

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

出力は次のようになります。

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

音声ファイルの内容を分析する

公開音声コンテンツのオブジェクトテーブルを作成し、音声ファイルの内容を分析するには、次の手順に沿って操作します。

Google Cloud コンソールで、[BigQuery] ページに移動します。

[BigQuery] に移動

クエリエディタで、次のクエリを実行してオブジェクトテーブルを作成します。

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/*']);

クエリエディタで、次のクエリを実行して音声ファイルを分析します。

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

結果は次のようになります。

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

クリーンアップ

このチュートリアルで使用したリソースについて、Google Cloud アカウントに課金されないようにするには、リソースを含むプロジェクトを削除するか、プロジェクトを維持して個々のリソースを削除します。

注意: プロジェクトを削除すると、次のような影響があります。

プロジェクト内のすべてのものが削除されます。既存のプロジェクトを使用してこのドキュメントのタスクを行った場合、そのプロジェクトを削除すると、プロジェクト内で行った他の作業もすべて削除されます。
カスタムプロジェクト ID が失われます。このプロジェクトを作成したときに、将来使用するカスタムプロジェクト ID を作成した可能性があります。そのプロジェクト ID を使用した URL（例: appspot.com）を保持するには、プロジェクト全体ではなく、プロジェクト内の選択したリソースだけを削除します。

複数のアーキテクチャ、チュートリアル、クイックスタートを実施する予定がある場合は、プロジェクトを再利用すると、プロジェクトの割り当て上限を超えないようにすることができます。

Google Cloud コンソールで [リソースの管理] ページに移動します。
[リソースの管理] に移動
プロジェクトリストで、削除するプロジェクトを選択し、[削除] をクリックします。
ダイアログでプロジェクト ID を入力し、[シャットダウン] をクリックしてプロジェクトを削除します。

リソースを個別に削除する

プロジェクトを再利用する場合は、チュートリアル用に作成したリソースを削除します。

コンソール

BigQuery ページに移動します。

BigQuery に移動
bqml_tutorial データセットを削除します。データセットを削除すると、リモートモデルも削除されます。
1. [エクスプローラ] ペインでプロジェクトを開き、[データセット] をクリックします。
2. [データセット] リストで、bqml_tutorial データセットをクリックします。
3. 詳細ペインで、 [削除] をクリックします。
4. [データセットの削除] ダイアログで、[削除] をクリックします。
接続を削除します。
1. [エクスプローラ] ペインで、プロジェクトを開き、[接続] をクリックします。
2. [接続 ID] リストで、作成した接続をクリックします。
3. 詳細ペインで、 [削除] をクリックします。
4. [接続を削除しますか？] ダイアログボックスに「delete」と入力して削除を確定します。
5. [削除] をクリックします。

gcloud

bqml_tutorial データセットとリモートモデルを削除します。
```
bq rm --dataset --recursive bqml_tutorial
```
接続を削除します。
```
bq rm --connection PROJECT_ID.LOCATION.CONNECTION_ID
```
次のように置き換えます。
- PROJECT_ID: 実際の Google Cloud プロジェクト ID
- LOCATION: 接続のロケーション
- CONNECTION_ID: 接続 ID

次のステップ

BigQuery の生成 AI の詳細を確認する。
テキスト生成関数の選択の詳細を確認する。

AI.GENERATE 関数を使用してテキストを生成する コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

目標

費用

始める前に

必要なロール

必要な権限

データセットを作成する

コンソール

bq

接続を作成する

コンソール

SQL

bq

Python

Node.js

Terraform

Cloud Shell を準備する

ディレクトリを準備する

変更を適用する

サービス アカウントにアクセス権を付与する

テキストを要約してデフォルトの形式で出力する

テキストを要約して構造化された結果を出力する

動画コンテンツの文字起こしと翻訳を行う

音声ファイルの内容を分析する

クリーンアップ

リソースを個別に削除する

コンソール

gcloud

次のステップ

AI.GENERATE 関数を使用してテキストを生成する

サービスアカウントにアクセス権を付与する