927AI API 文档
官网控制台模型与价格文档首页
官网控制台模型与价格文档首页
  1. 内容生成
  • 快速开始
    • 欢迎使用
    • 价格说明
  • 开发工具接入
    • 开发工具接入
    • Claude Code
    • Codex
    • Cursor
    • OpenCode
    • Grok CLI
    • Gemini CLI
    • OpenClaw
    • Hermes
    • WorkBuddy
    • 常见问题
  • 模型 API 接口
    • OpenAI 格式
      • 文本生成
        • Completions
        • Responses
      • 图片
        • 图片生成
        • 图片编辑
    • Anthropic 格式
      • 文本生成
        • Messages
    • Gemini 格式
      • 模型
        • Models
      • 内容生成
        • Generate Content
          POST
        • Stream Generate Content
          POST
      • 向量化
        • Embed Content
        • Batch Embed Contents
    • 视频生成API
      • Seedance
        • OpenAI 格式
          • 创建视频生成任务
          • 查询视频生成任务
          • 下载生成的视频
        • 火山方舟格式
          • 创建视频生成任务
          • 查询视频生成任务
      • Grok
        • OpenAI 格式
          • 创建 Grok 视频任务
          • 查询 Grok 视频任务
          • 下载 Grok 视频
      • Wan
        • OpenAI 格式
          • 创建 Wan 视频任务
          • 查询 Wan 视频任务
          • 下载 Wan 视频
  1. 内容生成

Stream Generate Content

POST
/v1beta/models/{model}:streamGenerateContent
根据输入内容生成流式响应,兼容 Gemini models.streamGenerateContent 原生接口。
请求体与非流式 generateContent 完全相同。请将查询参数 alt 设置为 sse;服务端会通过
Server-Sent Events 持续返回多个 GenerateContentResponse 数据块。每个 data: 后面都是一段
独立 JSON,客户端应按事件逐段解析,不应把整个响应一次性当作单个 JSON 解析。
流式响应可能包含思考、文本、函数调用、图片或音频内容块,实际内容取决于模型和请求参数。

请求参数

Authorization
Bearer Token
在 Header 添加参数
Authorization
,其值为在 Bearer 之后拼接 Token
示例:
Authorization: Bearer ********************
or
Path 参数

Query 参数

Body 参数application/json必填

示例
{
    "contents": [
        {
            "role": "user",
            "parts": [
                {
                    "text": "请分三点解释向量数据库在 RAG 系统中的作用。"
                }
            ]
        }
    ],
    "generationConfig": {
        "maxOutputTokens": 1200
    }
}

请求示例代码

Shell
JavaScript
Java
Swift
Go
PHP
Python
HTTP
C
C#
Objective-C
Ruby
OCaml
Dart
R
请求示例请求示例
Shell
JavaScript
Java
Swift
cURL
curl --location 'https://vip.927ai.ai/v1beta/models/:streamGenerateContent?alt=' \
--header 'Authorization: Bearer <token>' \
--header 'Content-Type: application/json' \
--data '{
    "contents": [
        {
            "role": "user",
            "parts": [
                {
                    "text": "请分三点解释向量数据库在 RAG 系统中的作用。"
                }
            ]
        }
    ],
    "generationConfig": {
        "maxOutputTokens": 1200
    }
}'

返回响应

🟢200
text/event-stream
流式内容生成成功
Bodytext/event-stream

示例
data: {"candidates":[{"content":{"role":"model","parts":[{"text":"向量数据库首先负责高效检索与问题语义最相关的知识片段。"}]},"index":0}],"usageMetadata":{"promptTokenCount":18,"candidatesTokenCount":16,"totalTokenCount":34}}

data: {"candidates":[{"content":{"role":"model","parts":[{"text":"其次,它通过向量相似度降低关键词不一致带来的漏召回。"}]},"finishReason":"STOP","index":0}],"usageMetadata":{"promptTokenCount":18,"candidatesTokenCount":32,"totalTokenCount":50}}
🟠400BadRequest
🟠401Unauthorized
🟠403Forbidden
🟠404NotFound
🟠413PayloadTooLarge
🟠429RateLimited
🔴500InternalError
🔴504Timeout
上一页
Generate Content
下一页
Embed Content
Built with