Google, içerikleri tercih ettiğiniz dile çevirmek için yapay zeka teknolojisini kullanır. Yapay zeka çevirilerinde hata olabilir.

Geliştiriciler İçin Gemini

1. Giriş 👋

Bu kod laboratuvarında, geliştirici olarak Gemini ekosistemi hakkında bilmeniz gereken her şeyi öğreneceksiniz. Daha spesifik olarak, farklı Gemini modelleri, Gemini destekli farklı araçlar ve Gemini ile entegrasyon için Google Gen AI SDK hakkında bilgi edineceksiniz. Ayrıca Gemini'ın uzun bağlam, düşünme modu, uzamsal anlama, Live API, yerel görüntü ve ses çıkışı gibi çeşitli özelliklerini de keşfedeceksiniz.

Bu codelab'in sonunda Gemini ekosistemi hakkında sağlam bir anlayışa sahip olacaksınız.

💡Öğrenecekleriniz

Farklı Gemini modelleri.
Gemini modelleri tarafından desteklenen araçlar.
Google Gen AI SDK'yı kullanarak Gemini ile nasıl entegrasyon yapılır?
Gemini'ın uzun bağlam penceresi.
Gemini'ın düşünme modu.
Google Arama ve Google Haritalar gibi farklı yerleşik araçlar
Interactions API ile araştırma aracılarıyla nasıl etkileşim kurulur?
Görüntü ve metin okuma üretimi.
Gemini'ın uzamsal anlayışı.
Anlık sesli ve görüntülü etkileşimler için Live API.

⚠️ İhtiyacınız olanlar

Google AI Studio örnekleri için bir API anahtarı.
Google Cloud örnekleri için faturalandırmanın etkin olduğu bir Google Cloud projesi.
Yerel geliştirme ortamınız veya Google Cloud'daki Cloud Shell Düzenleyici.

2. Gemini Ailesi 🫂

Gemini, Google'ın her fikri hayata geçiren yapay zeka modelidir. Gelişmiş mantık yürütme altyapısıyla geliştirilen bu model, çok formatlı anlama, ajan tabanlı ve sezgisel kodlama için mükemmeldir. Gemini modeline hızlı bir genel bakış için bu videoyu izleyebilirsiniz:

Gemini yalnızca bir model değildir. Ayrıca Google ürünlerinde kullanılan bir şemsiye markadır.

Gemini modelini kullanır. Tüketicilere yönelik Gemini uygulaması ve NotebookLM'den geliştiricilere yönelik AI Studio'ya ve Google Cloud'un işletmelere yönelik Agent Platform'una kadar çeşitli Gemini ürünleri vardır. Ayrıca Gemini tarafından desteklenen Antigravity, Antigravity IDE ve Antigravity CLI gibi geliştirici araçları da vardır.

3. Gemini Destekli Araçlar 🧰

Gemini destekli araçlara kısaca göz atalım.

Gemini uygulaması 💬

Gemini uygulaması ( gemini.google.com), sohbet tabanlı bir tüketici uygulamasıdır. Farklı düşünce düzeylerinde farklı Gemini modelleriyle (Flash-Lite, Flash, Pro) etkileşim kurmanın en kolay yoludur.

Ayrıca Deep Research, görüntü, video ve müzik üretimi gibi araçlar da içerir. Gemini uygulaması, günlük kullanım için idealdir.

NotebookLM 📓

NotebookLM ( notebooklm.google.com), yapay zeka destekli bir araştırma asistanıdır. PDF, web sitesi, YouTube videosu, ses dosyası, Google Dokümanı, Google Slaytlar sunusu ve diğer içerikleri yükleyin. NotebookLM, Gemini'ın en yeni sürümünün çok formatlı anlama özelliklerinden yararlanarak bu içerikleri özetler ve konular arasında ilginç bağlantılar kurar. Ayrıca, yüklediğiniz kaynaklardan ilgi çekici ve etkileşimli sesli özetler, videolu özetler, infografikler ve daha fazlasını oluşturur.

Google AI Studio 🎨

Google AI Studio ( ai.dev), Gemini ile geliştirmeye başlamanın en hızlı yoludur. Google AI Studio'daki Playground paneli, Modeller bölümünde farklı modellerle denemeler yaparak metin, resim ve video oluşturmanıza olanak tanır. Ayrıca Gemini Live API ile gerçek zamanlı ses ve video özelliklerini de deneyebilirsiniz.

Temsilciler bölümünde, Gemini'daki yönetilen temsilcileri deneyebilirsiniz. Google AI Studio'daki Build (Derleme) paneli, tam yığın web uygulamalarını vibe-code ile oluşturmanıza, bunları Google Cloud'da Cloud Run'a dağıtmanıza ve kodu GitHub'a aktarmanıza olanak tanır. Android uygulamaları da oluşturabilirsiniz.

Gemini Enterprise Agent Platform Studio ☁️

Gemini Enterprise Agent Platform, Google Cloud'da üretken yapay zeka oluşturmak ve kullanmak için tümüyle yönetilen, birleşik bir yapay zeka geliştirme platformudur. Gemini Enterprise Agent Platform Studio ( console.cloud.google.com/agent-platform), kurumsal kullanıma hazır üretken yapay zeka uygulamalarını test etmenize, ayarlamanıza ve dağıtmanıza yardımcı olur.

Google Antigravity 🚀

Antigravity ( antigravity.google), temsilci tabanlı bir geliştirme platformudur. Antigravity, geliştiricilerin çalışma alanlarındaki aracıları yöneterek daha yüksek ve görev odaklı bir seviyede çalışmasını sağlar. Ayrıca, tanıdık bir yapay zeka destekli IDE deneyimi olan Antigravity IDE ve komut satırı arayüzü için Antigravity CLI'yi de içerir.

Bu araçları indirip kullanabilirsiniz. Hangi aracı ne zaman kullanacağınıza dair bazı genel yönergeleri aşağıda bulabilirsiniz:

Yeni başlıyorsanız soru sormak veya temel kodlar oluşturmak için Gemini Uygulaması'nı kullanabilirsiniz.
Bir web uygulamasını vibe-coding ile geliştiriyorsanız muhtemelen Google AI Studio'yu tercih edersiniz.
Yerel geliştirme ortamınızdaki bağlamla karmaşık bir uygulama oluşturmak istiyorsanız Google Antigravity'yi seçersiniz.
Google Cloud'u dağıtmak veya kullanmak ve kurumsal düzeyde destek ile özellikler istiyorsanız Agent Platform ve stüdyosunu tercih edebilirsiniz.

Elbette bu araçları birlikte kullanabilirsiniz. Örneğin, GitHub'a aktarmak için AI Studio'da sezgisel kodlama ile başlayın, ardından kodlamaya devam etmek ve Google Cloud'a dağıtmak için Antigravity'yi kullanın.

4. Gemini Modelleri 🧠

Gemini modelleri, birkaç ayda bir yayınlanan yeni sürümlerle sürekli olarak daha iyi hale geliyor. Bugün (Şubat 2026) itibarıyla Google Cloud'da öne çıkan modeller şunlardır:

Genel kullanıma açık diğer Gemini modelleri, önizleme Gemini modelleri, açık Gemma modelleri, gömme modelleri, Imagegen modelleri, Veo modelleri ve daha fazlası vardır.

Farklı kullanım alanları için Google Cloud'da bulunan başlıca modelleri keşfetmek üzere Google Modelleri dokümanlar sayfasını ziyaret edin.

5. Google Gen AI SDK 📦

Gemini'ı uygulamanıza entegre etmek için Google Gen AI SDK'yı kullanabilirsiniz.

Daha önce de belirttiğimiz gibi, Gemini modellerine Google AI Studio veya Agent Platform Studio üzerinden erişebilirsiniz. Google Gen AI SDK, hem Google AI API hem de Google Cloud API aracılığıyla Gemini modellerine yönelik birleşik bir arayüz sunar. Birkaç istisna dışında, bir platformda çalışan kod her ikisinde de çalışır.

Google Gen AI SDK şu anda Python, Go, Node, Java ve C# dillerini desteklemektedir.

Örneğin, Python'da Google Yapay Zeka'daki Gemini ile şu şekilde konuşabilirsiniz:

client = genai.Client(
  api_key=your-gemini-api-key)

response = client.models.generate_content(
  model="gemini-3.5-flash",
  contents="Why is the sky blue?")

Google Cloud'daki Agent Platform'da Gemini'a karşı aynı işlemi yapmak için yalnızca istemci başlatmayı değiştirmeniz gerekir. Geri kalan işlemler aynıdır:

client = genai.Client(
  vertexai=True,
  project=your-google-cloud-project,
  location="us-central1")

response = client.models.generate_content(
  model="gemini-3.5-flash",
  contents="Why is the sky blue?")

Bu örnekleri kendiniz çalıştırmak için github.com/meteatamel/genai-samples/tree/main/vertexai/gemini2/hello-world adresinde main.py komutunu çalıştırabilirsiniz.

6. Interactions API 🔄

Etkileşimler API'si (beta), Gemini modelleri ve aracılarıyla etkileşim kurmak için yeni birleşik arayüzdür. generateContent API'nin geliştirilmiş bir alternatifi olarak durum yönetimini, araç düzenlemeyi ve uzun süren görevleri basitleştirir.

Yeni API ile temel etkileşim kurma şekliniz:

interaction =  client.interactions.create(
    model="gemini-3.5-flash",
    input="Tell me a short joke."
)
print(interaction.outputs[-1].text)

Önceki etkileşimden etkileşim kimliğini ileterek durum bilgisi olan bir görüşme yapabilirsiniz:

interaction1 = client.interactions.create(
    model="gemini-3.5-flash",
    input="Hi, my name is Phil."
)
print(f"Model: {interaction1.outputs[-1].text}")

interaction2 = client.interactions.create(
    model="gemini-3.5-flash",
    input="What is my name?",
    previous_interaction_id=interaction1.id
)
print(f"Model: {interaction2.outputs[-1].text}")

Interactions API, ajan oluşturmak ve ajanlarla etkileşim kurmak için tasarlanmıştır. İşlev çağrısı, yerleşik araçlar, yapılandırılmış çıkışlar ve Model Bağlam Protokolü (MCP) desteği içerir. Deep Research Agent ile nasıl kullanılabileceğini görmek için aşağıdaki 🤖 Aracılar adımına bakın.

Bu örnekleri kendiniz çalıştırmak için main.py komutunu github.com/meteatamel/genai-samples/blob/main/vertexai/interactions-api adresinde çalıştırabilirsiniz.

7. Uzun Bağlam Penceresi 🪟

Birçok Gemini modelinde 1 milyon veya daha fazla parçalık büyük bağlam pencereleri bulunur. Geçmişte büyük dil modelleri (LLM'ler), modele aynı anda iletilebilecek metin (veya jeton) miktarıyla önemli ölçüde sınırlıydı. Gemini'ın uzun bağlam penceresi, birçok yeni kullanım alanının ve geliştirici paradigmasının kilidini açıyor.

Uzun bağlam penceresini çalışırken görmek için Agent Platform Studio istem galerisine gidip Extract Video Chapters istemini seçebilirsiniz. Bu istem, video içeriğini bölümler halinde gruplandırır ve her bölüm için bir özet sağlar.

Sağlanan video ile çalıştırdığınızda aşağıdaki gibi bir çıkış elde etmeniz gerekir:

[
  {
    "timecode": "00:00",
    "chapterSummary": "The video opens with scenic views of Rio de Janeiro, introducing the \"Marvelous City\" and its famous beaches like Ipanema and Copacabana, before pivoting to the existence of the favelas."
  },
  {
    "timecode": "00:20",
    "chapterSummary": "The narrator describes the favelas, home to one in five Rio residents, highlighting that while often associated with crime and poverty, this is only a small part of their story."
  },
  {
    "timecode": "00:36",
    "chapterSummary": "Google introduces its project to map the favelas, emphasizing that providing addresses to these uncharted areas is a crucial step in giving residents an identity."
  },
  {
    "timecode": "00:43",
    "chapterSummary": "The video concludes by focusing on the people of the favelas, inviting viewers to go beyond the map and explore their world through a 360-degree experience."
  }
]

Bu, yalnızca Gemini'ın uzun bağlam penceresi sayesinde mümkündür.

8. Düşünme Modu 🧠

Gemini modelleri, karmaşık görevlerdeki akıl yürütme becerilerini önemli ölçüde geliştiren bir dahili düşünme süreci kullanır. Düşünme seviyeleri (Gemini 3) ve bütçeler (Gemini 2.5) düşünme davranışını kontrol eder. Modelin ham düşüncelerini görmek için include_thoughts işaretini de etkinleştirebilirsiniz.

Düşünme modunu uygulamalı olarak görmek için Google AI Studio'yu ( ai.dev) açıp yeni bir sohbet başlatalım. Sağ taraftaki panelde düşünce düzeyini ayarlayabilirsiniz.

Sağ üstteki Get code düğmesini tıklarsanız düşünme seviyesini kodda nasıl ayarlayabileceğinizi de görebilirsiniz. Örneğin:

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="How does AI work?",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(
          thinking_level="low",
          include_thoughts=True
        )
    ),
)

Modelin davranışını görmek için farklı istemler ve farklı düşünce seviyeleriyle oynayın.

9. Araçlar 🧰

Gemini'da Google Arama, Google Haritalar, Kod Yürütme, Bilgisayar Kullanımı ve Dosya Arama gibi birçok yerleşik araç bulunur. Ayrıca, Function Calling ile özel araçlarınızı da tanımlayabilirsiniz. Bunları nasıl kullanacağımıza kısaca göz atalım.

Google Arama 🔎

Daha doğru, güncel ve alakalı yanıtlar için model yanıtlarını Google Arama sonuçlarına dayandırabilirsiniz.

Agent Platform Studio ( console.cloud.google.com/agent-platform/studio) veya Google AI Studio'da ( ai.dev) yeni bir sohbet başlatabilir ve Google Arama'nın temellendirmesinin devre dışı olduğundan emin olabilirsiniz.

Ardından, bulunduğunuz yerdeki bugünkü hava durumu hakkında soru sorabilirsiniz. Örneğin:

How's the weather in London today?

Modelin en son bilgilere erişimi olmadığından genellikle geçmişteki bir güne ait yanıt alırsınız. Örneğin:

In London today (Friday, May 24, 2025), the weather is a bit of a mixed bag, typical for late May.

Şimdi Google Arama temellendirmesini etkinleştirin ve aynı soruyu sorun. Temellendirme kaynaklarının bağlantılarını içeren güncel hava durumu bilgileri gösterilir:

In London today (Wednesday, February 11, 2026), the weather is cool and mostly cloudy with a chance of light rain.

Bu şekilde, kodunuzda Google Arama'yı temel alabilirsiniz. Temellendirme örneği almak için Kod düğmesini de tıklayabilirsiniz:

google_search_tool = Tool(google_search=GoogleSearch())
response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="How's the weather like today in London?",
    config=GenerateContentConfig(tools=[google_search_tool])
)

Google Haritalar 🗺️

Ayrıca, 250 milyondan fazla yerle ilgili bilgilere erişimi olan Google Haritalar ile model yanıtlarını temellendirebilirsiniz.

Bu özelliği kullanırken Google Ajan Platformu Studio'daki model ayarlarının temellendirme bölümünde Google Arama yerine Google Haritalar'ı seçebilir ve Haritalar verilerini gerektiren bir soru sorabilirsiniz. Örneğin:

Can you show me some Greek restaurants and their map coordinates near me?

Bunun kodu şu şekilde görünür:

google_maps_tool = Tool(google_maps=GoogleMaps())
response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="What are the best restaurants near here?",
    config=GenerateContentConfig(tools=[google_maps_tool]),
       # Optional: Provide location context (this is in Los Angeles)
        tool_config=ToolConfig(
          retrieval_config=types.RetrievalConfig(
            lat_lng=types.LatLng(
                latitude=34.050481, longitude=-118.248526))),
)

Kod Yürütme 🧑‍💻

Gemini, desteklenen kitaplıkların (ör. pandas, numpy, PyPDF2) listesiyle Python kodu oluşturup çalıştırabilir. Bu, kod tabanlı akıl yürütmeden yararlanan uygulamalar (ör.denklemleri çözme) için kullanışlıdır.

Bu özelliği denemek için Google AI Studio'ya geçin, yeni bir sohbet başlatın ve Code execution açma/kapatma düğmesinin açık olduğundan emin olun. Ardından, kod yürütme aracının faydalı olabileceği bir soru sorun. Örneğin:

What is the sum of the first 50 prime numbers?

Gemini, Python kodu oluşturup uygulamalıdır. Sonuç olarak doğru cevap 5117'dir.

Kod yürütme aracını koddan şu şekilde çalıştırabilirsiniz:

code_execution_tool = Tool(code_execution=ToolCodeExecution())
response = client.models.generate_content(
  model="gemini-3.5-flash",
  contents="What is the sum of the first 50 prime numbers?",
  config=GenerateContentConfig(
    tools=[code_execution_tool],
    temperature=0))

Bilgisayar Kullanımı 🖥️

Gemini Computer Use modeli (önizleme), görevleri otomatikleştirmek için tarayıcı kontrolü temsilcileri oluşturmanıza olanak tanır. İşleyiş şekli:

Nasıl çalıştığını görmek için main.py kodunu github.com/google-gemini/computer-use-preview adresinde çalıştırabilirsiniz. Python sanal ortamını oluşturmak ve bağımlılıkları yüklemek için depodaki talimatları uygulayın.

Örneğin, Google AI Studio'dan API anahtarınızı alabilir ve Gemini'dan sizin için uçuş aramasını isteyebilirsiniz:

export GEMINI_API_KEY=your-api-key

python main.py --query "Find me top 5 fights sorted by price with the following constraints:

Flight site to use: www.google.com/travel/flights
From: London
To: Larnaca
One-way or roundtrip: One way
Date to leave: Sometime next week
Date to return: N/A
Travel preferences:
-Direct flights
-No flights before 10am
-Carry-on luggage"

Gemini'ın gizli bir tarayıcı açtığını ve sizin için uçuş aramaya başladığını görürsünüz.

Dosya Arama 📁

Dosya Arama Aracı, kolayca Veriyle Artırılmış Üretim (RAG) yapmanızı sağlar. Dosyalarınızı yüklemeniz yeterlidir. Bu araç, RAG ile ilgili tüm ayrıntıları (parçalama, yerleştirme, alma) sizin için halleder.

Çalışırken görmek için main.py komutunu github.com/meteatamel/genai-beyond-basics/blob/main/samples/grounding/file-search-tool adresinde çalıştırabilirsiniz.

Google AI Studio'dan API anahtarınızı alın ve bir dosya arama deposu oluşturun:

export GEMINI_API_KEY=your-gemini-api-key

python main.py create_store my-file-search-store

Mağazaya PDF yükleme:

python main.py upload_to_store fileSearchStores/myfilesearchstore-5a9x71ifjge9 cymbal-starlight-2024.pdf

Mağazaya yönlendiren PDF hakkında soru sorun:

python main.py generate_content "What's the cargo capacity of Cymbal Starlight?" fileSearchStores/myfilesearchstore-5a9x71ifjge9

PDF'ye dayalı bir yanıt alırsınız:

Generating content with file search store: fileSearchStores/myfilesearchstore-5a9x71ifjge9
Response: The Cymbal Starlight 2024 has a cargo capacity of 13.5 cubic feet, which is located in the trunk of the vehicle. It is important to distribute the weight evenly and not overload the trunk, as this could impact the vehicle's handling and stability. The vehicle can also accommodate up to two suitcases in the trunk, and it is recommended to use soft-sided luggage to maximize space and cargo straps to secure it while driving.
Grounding sources:  cymbal-starlight-2024.pdf

İşlev Çağrısı 📲

Yerleşik araçlar yeterli değilse Gemini'da kendi araçlarınızı (işlevlerinizi) da tanımlayabilirsiniz. İşlevin ayrıntılı bir OpenAPI spesifikasyonunu göndermek yerine, Python işlevini araç olarak göndermeniz yeterlidir. Model ve SDK tarafından otomatik olarak araç olarak kullanılır.

Örneğin, bir konumun enlemini ve boylamını döndüren bir işleviniz olabilir:

def location_to_lat_long(location: str):
    """Given a location, returns the latitude and longitude

    Args:
        location: The location for which to get the weather.

    Returns:
        The latitude and longitude information in JSON.
    """
    logger.info(f"Calling location_to_lat_long({location})")
    url = f"https://geocoding-api.open-meteo.com/v1/search?name={location}&count=1"
    return api_request(url)

Ayrıca, enlem ve boylamdan hava durumu bilgilerini döndüren bir işlev de kullanabilirsiniz:

def lat_long_to_weather(latitude: str, longitude: str):
    """Given a latitude and longitude, returns the weather information

    Args:
        latitude: The latitude of a location
        longitude: The longitude of a location

    Returns:
        The weather information for the location in JSON.
    """
    logger.info(f"Calling lat_long_to_weather({latitude}, {longitude})")
    url = (f"https://api.open-meteo.com/v1/forecast?latitude={latitude}&longitude={longitude}&current=temperature_2m,"
           f"relative_humidity_2m,surface_pressure,wind_speed_10m,wind_direction_10m&forecast_days=1")
    return api_request(url)

Artık bu iki işlevi Gemini'a araç olarak iletebilir ve bir konumun hava durumu bilgilerini getirmek için kullanmasına izin verebilirsiniz:

def generate_content_with_function_calls():
    client = genai.Client(
        vertexai=True,
        project=PROJECT_ID,
        location=LOCATION)

    response = client.models.generate_content(
        model=MODEL_ID,
        contents=PROMPT,
        config=GenerateContentConfig(
            system_instruction=[
                "You are a helpful weather assistant.",
                "Your mission is to provide weather information for different cities."
                "Make sure your responses are in plain text format (no markdown) and include all the cities asked.",
            ],
            tools=[location_to_lat_long, lat_long_to_weather],
            temperature=0),
    )

    print(response.text)
    #print(response.automatic_function_calling_history)

Nasıl çalıştığını görmek için github.com/meteatamel/genai-beyond-basics/blob/main/samples/function-calling/weather adresinde main_genaisdk.py komutunu çalıştırabilirsiniz.

10. Ajanlar 🤖

Gemini'ın Interactions API'si, ajan oluşturmak ve bunlarla etkileşim kurmak için tasarlanmıştır. Gemini Deep Research Agent gibi özel amaçlı aracıları kullanabilirsiniz. Gemini Deep Research Agent, çok adımlı araştırma görevlerini bağımsız olarak planlar, yürütür ve sentezler. Web aramayı ve kendi verilerinizi kullanarak karmaşık bilgi ortamlarında gezinir ve ayrıntılı, alıntılanmış raporlar oluşturur.

Deep Research aracısını Interaction API ile nasıl kullanacağınız aşağıda açıklanmıştır:

interaction = client.interactions.create(
    input="Research the history of the Google TPUs.",
    agent="deep-research-pro-preview-12-2025",
    background=True
)

while True:
    if interaction.status == "completed":
        print("\nFinal Report:\n",
interaction.outputs[-1].text)
        break

Bu örneği kendiniz çalıştırmak için github.com/meteatamel/genai-samples/blob/main/vertexai/interactions-api adresinde main.py komutunu çalıştırabilirsiniz.

export GOOGLE_API_KEY=your-api-key
python main.py agent

Bir süre sonra yapılan araştırmayı görürsünüz:

User: Research the history of the Google TPUs with a focus on 2025 and 2026

Status: in_progress
Status: in_progress
Status: in_progress
...
Model Final Report:
 # Architectural Convergence and Commercial Expansion: The History of Google TPUs (2015–2026)

## Key Findings
*   **Strategic Pivot (2025):** Google transitioned the Tensor Processing Unit (TPU) from a primarily internal differentiator to a commercial merchant-silicon competitor, epitomized by the massive "Ironwood" (TPU v7) deployment and external sales strategy.
*   **Technological Leap:** The introduction of TPU v7 "Ironwood" in 2025 marked a paradigm shift, utilizing 3nm process technology to deliver 42.5 exaFLOPS per pod, directly challenging NVIDIA's Blackwell architecture in the high-performance computing (HPC) sector.
...

11. Görüntü Üretme 📷

Nano Banana 🍌, Gemini'ın yerel görüntü üretme özelliklerinin adıdır. Gemini, metin, resim veya her ikisinin kombinasyonuyla etkileşimli olarak resim oluşturabilir ve işleyebilir. Bu sayede görselleri kontrollü bir şekilde oluşturabilir, düzenleyebilir ve yineleyebilirsiniz.

Nano Banana, Gemini API'de bulunan iki farklı modeli ifade eder:

Nano Banana: Gemini Flash Görüntü Modeli. Bu model, yüksek hacimli ve düşük gecikmeli görevler için optimize edilmiş olup hız ve verimlilik için tasarlanmıştır.
Nano Banana Pro: Gemini Pro Görüntü Modeli. Bu model, karmaşık talimatları uygulamak ve yüksek kaliteli metinler oluşturmak için gelişmiş akıl yürütme yöntemlerinden yararlanarak profesyonel düzeyde öğe üretimi için tasarlanmıştır.

Mevcut bir görüntüyü iletebileceğiniz ve Nano Banana'dan görüntüyü düzenlemesini isteyebileceğiniz bir kod snippet'i aşağıda verilmiştir:

from google import genai
from google.genai import types
from PIL import Image

client = genai.Client()

prompt = (
    "Create a picture of my cat eating a nano-banana in a "
    "fancy restaurant under the Gemini constellation",
)

image = Image.open("/path/to/cat_image.png")

response = client.models.generate_content(
    model="gemini-3.1-flash-image",
    contents=[prompt, image],
)

for part in response.parts:
    if part.text is not None:
        print(part.text)
    elif part.inline_data is not None:
        image = part.as_image()
        image.save("generated_image.png")

Nano Banana; Gemini Uygulaması, AI Studio veya Agent Platform Studio'da kullanılabilir. Bu özelliği denemenin en kolay yolu Gemini Uygulaması'dır. Gemini Uygulaması'nda ( gemini.google.com) Tools bölümünde 🍌 Create images simgesini seçin. Ardından bir resim yükleyip eğlenceli bir şeyler deneyin. Örneğin, şöyle diyebilirsiniz:

Can you transform this picture of mine to a nice beach on a tropical island?

12. Metin okuma üretimi 🎶

Gemini, Gemini metin okuma (TTS) oluşturma özelliklerini kullanarak metin girişini tek veya çok konuşmacılı sese dönüştürebilir. TTS üretimi kontrol edilebilir. Bu sayede, etkileşimleri yapılandırmak ve sesin stilini, aksanını, hızını ve tonunu yönlendirmek için doğal dil kullanabilirsiniz.

TTS özelliği, etkileşimli, yapılandırılmamış ses ve çok formatlı girişler ve çıkışlar için tasarlanmış olan Live API aracılığıyla sağlanan konuşma üretiminden farklıdır. Live API, dinamik sohbet bağlamlarında mükemmel performans gösterirken Gemini API üzerinden TTS, stil ve ses üzerinde ayrıntılı kontrolle metnin tam olarak okunmasını gerektiren senaryolar (ör. podcast veya sesli kitap oluşturma) için özel olarak tasarlanmıştır.

Tek sesli TTS için kod snippet'i:

from google import genai
from google.genai import types
import wave

# Set up the wave file to save the output:
def wave_file(filename, pcm, channels=1, rate=24000, sample_width=2):
   with wave.open(filename, "wb") as wf:
      wf.setnchannels(channels)
      wf.setsampwidth(sample_width)
      wf.setframerate(rate)
      wf.writeframes(pcm)

client = genai.Client()

response = client.models.generate_content(
   model="gemini-3.1-flash-tts-preview",
   contents="Say cheerfully: Have a wonderful day!",
   config=types.GenerateContentConfig(
      response_modalities=["AUDIO"],
      speech_config=types.SpeechConfig(
         voice_config=types.VoiceConfig(
            prebuilt_voice_config=types.PrebuiltVoiceConfig(
               voice_name='Kore',
            )
         )
      ),
   )
)

data = response.candidates[0].content.parts[0].inline_data.data

file_name='out.wav'
wave_file(file_name, data) # Saves the file to current directory

Daha fazla örneği Metin okuma (TTS) dokümanlarında bulabilirsiniz.

Google AI Studio deneme alanında konuşma oluşturmayı da deneyebilirsiniz. generate-speech uygulamasında farklı istemlerle oynayın.

13. Uzamsal Anlama 🌐

Gemini, gelişmiş nesne tespit etme ve mekansal anlayış özelliklerine sahiptir. Bunu anlamanın en kolay yolu, nasıl çalıştığını görmektir.

Google AI Studio Başlangıç Uygulamacıkları'na gidip Spatial Understanding uygulamasına gidin.

.env dosyasını Google AI Studio anahtarınızla güncelleyin ve src/consts.tsx içindeki modeli en son modellerden biriyle güncelleyin. Bağımlılıkları yükleyin ve uygulamayı başlatın:

npm install
npm run dev

http://localhost:8000/ adresine gidin.

Artık bazı resimleri seçip Gemini ile resimdeki öğeleri tespit etmeyi deneyebilirsiniz.

Örneğin, farklı resimlerde "gölgeleri" veya "meyveleri" algılayabilirsiniz:

Farklı resimlerle oynayarak Gemini'ın farklı nesneleri ne kadar iyi algılayıp etiketlediğini görün.

14. Live API 🎤

Live API, Gemini ile düşük gecikmeli ve anlık sesli ve görüntülü etkileşimler sağlar. Kullanıcılarınıza doğal bir sohbet deneyimi sunmak için kesintisiz ses, video veya metin akışlarını işleyerek anında, insan benzeri sözlü yanıtlar verir.

Google AI Studio'daki Live API'yi veya Agent Platform Studio'daki Live API'yi deneyin. Her iki uygulamada da sesinizi, videonuzu ve ekranınızı paylaşabilir, Gemini ile canlı sohbet edebilirsiniz.

Videonuzu veya ekranınızı paylaşmaya başlayın ve Gemini'a sesli olarak genel sorular sorun. Örneğin:

Can you describe what you see on the screen?

Gemini'ın yanıtlarının ne kadar doğal olduğuna şaşıracaksınız.

15. Sonuç

Bu codelab'de, Gemini ürün ailesiyle başlayarak Gemini ekosistemini ele aldık ve birleşik Google Gen AI SDK'yı kullanarak modelleri uygulamalarımıza nasıl entegre edeceğimizi öğrendik. Uzun Bağlam Penceresi, Düşünme Modu, yerleşik temellendirme araçları, Live API ve Uzamsal Anlama gibi Gemini'ın en yeni özelliklerini inceledik. Referans belgelerini daha ayrıntılı bir şekilde incelemenizi ve Gemini'ın tüm potansiyelini kullanarak denemeler yapmaya devam etmenizi öneririz.