如何用Python的requests向Gemini传递base64字节而非UTF-8字符串？

核心结论 #

Gemini 的 streamGenerateContent REST API 不支持直接传递 base64 字节对象，必须将其转换为 UTF-8 编码的字符串后嵌入 JSON 请求体中，你的初始可行流程是符合 API 要求的标准做法。

具体原因与解释 #

1. JSON 序列化限制
   JSON 规范中没有「字节对象」这一数据类型，Python 的 json.dumps() 无法直接序列化 bytes 类型数据，这是语言层面的固有限制，和 Gemini API 无关。

2. API 请求格式要求
   Gemini 的 streamGenerateContent 仅接受 JSON 格式的请求体，不支持 multipart/form-data 等直接上传二进制文件的格式。所有多媒体内容必须以 base64 编码的字符串形式嵌入 JSON 的 inline_data.data 字段中。

3. MIME 类型的限制
   application/octet-stream 不在 Gemini 官方支持的 MIME 类型列表中，必须使用对应文件的标准类型：

   • 图片：image/jpeg、image/png、image/gif 等
   • PDF：application/pdf
   • 音频：audio/wav、audio/mp3 等（仅部分模型支持）

优化建议 #

• 无需跳过 base64 解码步骤：base64 字节转 UTF-8 字符串的性能开销可以忽略，且是 API 强制要求的格式，不会导致数据丢失。
• 确保使用正确的 MIME 类型：严格匹配文件格式，否则会返回「无效负载」错误。
• 标准代码示例（基于你的流程优化）：

  import base64
  import json
  import requests
  
  # 读取本地文件
  with open("local_file.pdf", "rb") as f:
      file_bytes = f.read()
  
  # 编码为base64并转为UTF-8字符串（必须步骤）
  base64_str = base64.b64encode(file_bytes).decode("utf-8")
  
  # 构造符合API要求的请求体
  request_body = {
      "contents": [
          {
              "parts": [
                  {"text": "请分析这个PDF的核心内容"},
                  {"inline_data": {
                      "mime_type": "application/pdf",
                      "data": base64_str
                  }}
              ]
          }
      ]
  }
  
  # 发送请求
  api_key = "YOUR_API_KEY"
  url = f"https://generativelanguage.googleapis.com/v1/models/gemini-pro-vision:streamGenerateContent?key={api_key}"
  
  response = requests.put(
      url,
      headers={"Content-Type": "application/json"},
      json=request_body
  )
  
  # 处理流式响应
  for chunk in response.iter_lines():
      if chunk:
          print(chunk.decode("utf-8"))
  

内容的提问来源于stack exchange，提问作者geotolky