---
read_when:
- आप OpenClaw के साथ Google Gemini मॉडल का उपयोग करना चाहते हैं
- आपको API कुंजी या OAuth प्रमाणीकरण प्रवाह की आवश्यकता है
summary: Google Gemini सेटअप (API कुंजी + OAuth, छवि निर्माण, मीडिया की समझ, TTS, वेब खोज)
title: Google (Gemini)
x-i18n:
generated_at: "2026-07-27T20:25:58Z"
model: gpt-5.6
postprocess_version: locale-links-v1
prompt_version: 32
provider: openai
source_hash: fdf8db70bcebd425238e5f02ca12bdbcd75fa1c03d285ea127d4e3863892b3aa
source_path: providers/google.md
workflow: 16
---
Google Plugin, Google AI Studio के माध्यम से Gemini मॉडल तक पहुँच प्रदान करता है, साथ ही इमेज जनरेशन, मीडिया समझ (इमेज/ऑडियो/वीडियो), टेक्स्ट-टू-स्पीच और Gemini Grounding के माध्यम से वेब खोज भी उपलब्ध कराता है।
- प्रदाता: `google`
- प्रमाणीकरण: `GEMINI_API_KEY` या `GOOGLE_API_KEY`
- API: Google Gemini API
- रनटाइम विकल्प: `agentRuntime.id: "google-gemini-cli"` मॉडल संदर्भों को `google/*` के रूप में मानक बनाए रखते हुए Gemini CLI OAuth का पुनः उपयोग करता है।
## आरंभ करना
अपनी पसंदीदा प्रमाणीकरण विधि चुनें और सेटअप चरणों का पालन करें।
**इनके लिए सर्वोत्तम:** Google AI Studio के माध्यम से मानक Gemini API पहुँच।
[Google AI Studio](https://aistudio.google.com/apikey) में एक निःशुल्क कुंजी बनाएँ।
```bash
openclaw onboard --auth-choice gemini-api-key
```
या कुंजी सीधे प्रदान करें:
```bash
openclaw onboard --non-interactive \
--mode local \
--auth-choice gemini-api-key \
--gemini-api-key "$GEMINI_API_KEY"
```
```json5
{
agents: {
defaults: {
model: { primary: "google/gemini-3.1-pro-preview" },
},
},
}
```
```bash
openclaw models list --provider google
```
`GEMINI_API_KEY` और `GOOGLE_API_KEY` दोनों स्वीकार किए जाते हैं। जिसका कॉन्फ़िगरेशन आपके पास पहले से है, उसका उपयोग करें।
कॉन्फ़िगर की गई API कुंजी के साथ, OpenClaw Gemini `models.list` API से Google AI Studio की टेक्स्ट-मॉडल
सूची को रीफ़्रेश करता है। इसलिए नए जारी किए गए Gemini 3 Pro, Flash
और Flash-Lite प्रकार OpenClaw रिलीज़ की प्रतीक्षा किए बिना
`openclaw models list --provider google` में दिखाई देते हैं। यदि खोज उपलब्ध नहीं है, तो OpenClaw बंडल की गई फ़ॉलबैक
सूची बनाए रखता है।
**इनके लिए सर्वोत्तम:** अलग API कुंजी का उपयोग करने के बजाय Gemini CLI OAuth के माध्यम से अपने Google खाते से साइन इन करना।
`google-gemini-cli` प्रदाता एक अनौपचारिक एकीकरण है। कुछ उपयोगकर्ता
इस तरह OAuth का उपयोग करने पर खाते से संबंधित प्रतिबंधों की सूचना देते हैं। इसका उपयोग अपने जोखिम पर करें।
स्थानीय `gemini` कमांड `PATH` पर उपलब्ध होना चाहिए।
```bash
# Homebrew
brew install gemini-cli
# या npm
npm install -g @google/gemini-cli
```
OpenClaw Homebrew इंस्टॉलेशन और ग्लोबल npm इंस्टॉलेशन, दोनों का समर्थन करता है, जिनमें
सामान्य Windows/npm लेआउट भी शामिल हैं।
```bash
openclaw models auth login --provider google-gemini-cli --set-default
```
```bash
openclaw models list --provider google
```
- डिफ़ॉल्ट मॉडल: `google/gemini-3.1-pro-preview`
- रनटाइम: `google-gemini-cli`
- उपनाम: `gemini-cli`
Gemini 3.1 Pro का Gemini API मॉडल ID `gemini-3.1-pro-preview` है। OpenClaw सुविधा के लिए छोटे `google/gemini-3.1-pro` को उपनाम के रूप में स्वीकार करता है और प्रदाता कॉल से पहले इसे सामान्यीकृत करता है।
**पर्यावरण चर:**
- `OPENCLAW_GEMINI_OAUTH_CLIENT_ID` / `GEMINI_CLI_OAUTH_CLIENT_ID`
- `OPENCLAW_GEMINI_OAUTH_CLIENT_SECRET` / `GEMINI_CLI_OAUTH_CLIENT_SECRET`
यदि लॉगिन के बाद Gemini CLI OAuth अनुरोध विफल होते हैं, तो Gateway होस्ट पर `GOOGLE_CLOUD_PROJECT` या
`GOOGLE_CLOUD_PROJECT_ID` सेट करके फिर से प्रयास करें।
यदि ब्राउज़र प्रवाह शुरू होने से पहले लॉगिन विफल हो जाता है, तो सुनिश्चित करें कि स्थानीय `gemini`
कमांड इंस्टॉल है और `PATH` पर उपलब्ध है।
ऑनबोर्डिंग का स्वचालित पता लगाना मौजूदा Gemini CLI लॉगिन को सूचीबद्ध करता है, लेकिन कभी भी
उसका स्वतः परीक्षण नहीं करता, क्योंकि Gemini CLI में टूल-मुक्त जाँच उपलब्ध नहीं है। जारी रखने के लिए Gemini CLI
OAuth या Gemini API कुंजी चुनें।
`google-gemini-cli/*` मॉडल संदर्भ पुराने संगतता उपनाम हैं। नए
कॉन्फ़िगरेशन को स्थानीय Gemini CLI निष्पादन चाहिए तो उन्हें `google/*` मॉडल संदर्भों के साथ `google-gemini-cli`
रनटाइम का उपयोग करना चाहिए।
`google/gemini-3-pro-preview` को 2026-03-09 को हटा दिया गया था; इसके बजाय `google/gemini-3.1-pro-preview` का उपयोग करें। Gemini API कुंजी सेटअप (`openclaw onboard --auth-choice gemini-api-key` या `openclaw models auth login --provider google`) फिर से चलाने पर पुराना कॉन्फ़िगर किया गया डिफ़ॉल्ट वर्तमान मॉडल से बदल दिया जाता है।
## क्षमताएँ
| क्षमता | समर्थित |
| ---------------------- | ----------------------------- |
| चैट पूर्णताएँ | हाँ |
| इमेज जनरेशन | हाँ |
| संगीत जनरेशन | हाँ |
| टेक्स्ट-टू-स्पीच | हाँ |
| रीयलटाइम वॉइस | हाँ (Google Live API) |
| इमेज की समझ | हाँ |
| ऑडियो ट्रांसक्रिप्शन | हाँ |
| वीडियो की समझ | हाँ |
| वेब खोज (Grounding) | हाँ |
| चिंतन/तर्क | हाँ (Gemini 2.5+ / Gemini 3+) |
| Gemma 4 मॉडल | हाँ |
## वेब खोज
बंडल किया गया `gemini` वेब-खोज प्रदाता Gemini Google Search Grounding का उपयोग करता है।
`plugins.entries.google.config.webSearch` के अंतर्गत एक समर्पित खोज कुंजी कॉन्फ़िगर करें,
या `GEMINI_API_KEY` के बाद इसे `models.providers.google.apiKey` का पुनः उपयोग करने दें:
```json5
{
plugins: {
entries: {
google: {
config: {
webSearch: {
apiKey: "AIza...", // वैकल्पिक, यदि GEMINI_API_KEY या models.providers.google.apiKey सेट है
baseUrl: "https://generativelanguage.googleapis.com/v1beta", // उपलब्ध न होने पर models.providers.google.baseUrl का उपयोग करता है
model: "gemini-2.5-flash",
},
},
},
},
},
}
```
क्रेडेंशियल प्राथमिकता में पहले समर्पित `webSearch.apiKey`, फिर `GEMINI_API_KEY`,
और फिर `models.providers.google.apiKey` आता है। `webSearch.baseUrl` वैकल्पिक है और
ऑपरेटर प्रॉक्सी या संगत Gemini API एंडपॉइंट के लिए उपलब्ध है; इसे न देने पर
Gemini वेब खोज `models.providers.google.baseUrl` का पुनः उपयोग करती है। प्रदाता-विशिष्ट टूल व्यवहार के लिए
[Gemini खोज](/hi/tools/gemini-search) देखें।
Gemini 3 मॉडल `thinkingBudget` के बजाय `thinkingLevel` का उपयोग करते हैं। OpenClaw
Gemini 3, Gemini 3.1 और `gemini-*-latest` उपनाम के तर्क नियंत्रणों को
`thinkingLevel` से मैप करता है, ताकि डिफ़ॉल्ट/कम-विलंबता वाले रन अक्षम
`thinkingBudget` मान न भेजें।
`/think adaptive` निश्चित OpenClaw स्तर चुनने के बजाय Google की डायनेमिक चिंतन शब्दार्थ को बनाए रखता है। Gemini 3 और Gemini 3.1 निश्चित `thinkingLevel` को छोड़ देते हैं, ताकि
Google स्तर चुन सके; Gemini 2.5 Google का डायनेमिक सेंटिनल
`thinkingBudget: -1` भेजता है।
Gemma 4 मॉडल (उदाहरण के लिए `gemma-4-26b-a4b-it`) चिंतन मोड का समर्थन करते हैं। OpenClaw
Gemma 4 के लिए `thinkingBudget` को समर्थित Google `thinkingLevel` में बदलता है।
चिंतन को `off` पर सेट करने से इसे
`MINIMAL` में मैप करने के बजाय चिंतन अक्षम रहता है।
Gemini 2.5 Pro केवल चिंतन मोड में काम करता है और स्पष्ट
`thinkingBudget: 0` को अस्वीकार करता है; OpenClaw इसे भेजने के बजाय Gemini 2.5 Pro अनुरोधों से
उस मान को हटा देता है।
## इमेज जनरेशन
बंडल किया गया `google` इमेज-जनरेशन प्रदाता डिफ़ॉल्ट रूप से
`google/gemini-3.1-flash-image` का उपयोग करता है।
- `google/gemini-3-pro-image` का भी समर्थन करता है
- जनरेट करें: प्रत्येक अनुरोध में अधिकतम 4 इमेज
- संपादन मोड: सक्षम, अधिकतम 5 इनपुट इमेज
- ज्यामिति नियंत्रण: `size`, `aspectRatio` और `resolution`
Google को डिफ़ॉल्ट इमेज प्रदाता के रूप में उपयोग करने के लिए:
```json5
{
agents: {
defaults: {
imageGenerationModel: {
primary: "google/gemini-3.1-flash-image",
},
},
},
}
```
साझा टूल पैरामीटर, प्रदाता चयन और फ़ेलओवर व्यवहार के लिए [इमेज जनरेशन](/hi/tools/image-generation) देखें।
## वीडियो जनरेशन
बंडल किया गया `google` Plugin साझा
`video_generate` टूल के माध्यम से वीडियो जनरेशन भी पंजीकृत करता है।
- डिफ़ॉल्ट वीडियो मॉडल: `google/veo-3.1-fast-generate-preview`
- मोड: टेक्स्ट-टू-वीडियो, इमेज-टू-वीडियो और एकल-वीडियो संदर्भ प्रवाह
- `aspectRatio` (`16:9`, `9:16`) और `resolution` (`720P`, `1080P`) का समर्थन करता है; वर्तमान में Veo ऑडियो आउटपुट का समर्थन नहीं करता
- समर्थित अवधियाँ: **4, 6 या 8 सेकंड** (अन्य मान निकटतम अनुमत मान पर समायोजित होते हैं)
Google को डिफ़ॉल्ट वीडियो प्रदाता के रूप में उपयोग करने के लिए:
```json5
{
agents: {
defaults: {
videoGenerationModel: {
primary: "google/veo-3.1-fast-generate-preview",
},
},
},
}
```
साझा टूल पैरामीटर, प्रदाता चयन और फ़ेलओवर व्यवहार के लिए [वीडियो जनरेशन](/hi/tools/video-generation) देखें।
## संगीत जनरेशन
बंडल किया गया `google` Plugin साझा
`music_generate` टूल के माध्यम से संगीत जनरेशन भी पंजीकृत करता है।
- डिफ़ॉल्ट संगीत मॉडल: `google/lyria-3-clip-preview`
- `google/lyria-3-pro-preview` का भी समर्थन करता है
- प्रॉम्प्ट नियंत्रण: `lyrics` और `instrumental`
- आउटपुट प्रारूप: डिफ़ॉल्ट रूप से `mp3`, साथ ही `google/lyria-3-pro-preview` पर `wav`
- संदर्भ इनपुट: अधिकतम 10 इमेज
- सत्र-समर्थित रन साझा कार्य/स्थिति प्रवाह के माध्यम से अलग हो जाते हैं, जिसमें `action: "status"` भी शामिल है
Google को डिफ़ॉल्ट संगीत प्रदाता के रूप में उपयोग करने के लिए:
```json5
{
agents: {
defaults: {
musicGenerationModel: {
primary: "google/lyria-3-clip-preview",
},
},
},
}
```
साझा टूल पैरामीटर, प्रदाता चयन और फ़ेलओवर व्यवहार के लिए [संगीत जनरेशन](/hi/tools/music-generation) देखें।
## टेक्स्ट-टू-स्पीच
बंडल किया गया `google` वाक् प्रदाता
`gemini-3.1-flash-tts-preview` के साथ Gemini API TTS पथ का उपयोग करता है।
- डिफ़ॉल्ट आवाज़: `Kore`
- प्रमाणीकरण: `tts.providers.google.apiKey`, `models.providers.google.apiKey`, `GEMINI_API_KEY` या `GOOGLE_API_KEY`
- आउटपुट: नियमित TTS अटैचमेंट के लिए WAV, वॉइस-नोट लक्ष्यों के लिए Opus, Talk/टेलीफ़ोनी के लिए PCM
- वॉइस-नोट आउटपुट: Google PCM को WAV के रूप में रैप करके `ffmpeg` से 48 kHz Opus में ट्रांसकोड किया जाता है
Google का बैच Gemini TTS पथ पूर्ण
`generateContent` प्रतिक्रिया में जनरेट किया गया ऑडियो लौटाता है। न्यूनतम-विलंबता वाली मौखिक बातचीत के लिए बैच
TTS के बजाय Gemini Live API द्वारा समर्थित Google रीयलटाइम वॉइस प्रदाता का उपयोग करें।
Google को डिफ़ॉल्ट TTS प्रदाता के रूप में उपयोग करने के लिए:
```json5
{
tts: {
auto: "always",
provider: "google",
providers: {
google: {
model: "gemini-3.1-flash-tts-preview",
speakerVoice: "Kore",
audioProfile: "शांत स्वर में पेशेवर ढंग से बोलें।",
},
},
},
}
```
Gemini API TTS शैली नियंत्रण के लिए प्राकृतिक-भाषा प्रॉम्प्टिंग का उपयोग करता है। बोले जाने वाले टेक्स्ट से पहले पुनः उपयोग योग्य शैली प्रॉम्प्ट जोड़ने के लिए
`audioProfile` सेट करें। जब आपके प्रॉम्प्ट टेक्स्ट में किसी नामित वक्ता का उल्लेख हो, तो
`speakerName` सेट करें।
Gemini API TTS टेक्स्ट में अभिव्यंजक वर्ग-कोष्ठक वाले ऑडियो टैग भी स्वीकार करता है,
जैसे `[whispers]` या `[laughs]`। टैग को दृश्यमान चैट उत्तर से बाहर रखते हुए
उन्हें TTS में भेजने के लिए, उन्हें `[[tts:text]]...[[/tts:text]]`
ब्लॉक के अंदर रखें:
```text
यह साफ़ उत्तर टेक्स्ट है।
[[tts:text]][whispers] यह बोला जाने वाला संस्करण है।[[/tts:text]]
```
Gemini API तक सीमित Google Cloud Console API कुंजी इस
प्रदाता के लिए मान्य है। यह अलग Cloud Text-to-Speech API पथ नहीं है।
## रीयलटाइम वॉइस
बंडल किया गया `google` Plugin, Voice Call और Google Meet जैसे
बैकएंड ऑडियो ब्रिज के लिए Gemini Live API द्वारा समर्थित रीयलटाइम वॉइस प्रदाता पंजीकृत करता है।
| सेटिंग | कॉन्फ़िगरेशन पथ | डिफ़ॉल्ट |
| --------------------- | ------------------------------------------------------------------- | ------------------------------------------------------------------------------------- |
| मॉडल | `plugins.entries.voice-call.config.realtime.providers.google.model` | `gemini-3.1-flash-live-preview` |
| वॉइस | `...google.voice` | `Kore` |
| तापमान | `...google.temperature` | (सेट नहीं) |
| VAD आरंभ संवेदनशीलता | `...google.startSensitivity` | (सेट नहीं) |
| VAD समाप्ति संवेदनशीलता | `...google.endSensitivity` | (सेट नहीं) |
| मौन अवधि | `...google.silenceDurationMs` | (सेट नहीं) |
| गतिविधि प्रबंधन | `...google.activityHandling` | Google डिफ़ॉल्ट, `start-of-activity-interrupts` |
| टर्न कवरेज | `...google.turnCoverage` | Google डिफ़ॉल्ट, `audio-activity-and-all-video` |
| स्वचालित VAD अक्षम करें | `...google.automaticActivityDetectionDisabled` | `false` |
| सत्र पुनरारंभ | `...google.sessionResumption` | `true` |
| संदर्भ संपीड़न | `...google.contextWindowCompression` | `true` |
| API कुंजी | `...google.apiKey` | उपलब्ध न होने पर `models.providers.google.apiKey`, `GEMINI_API_KEY`, या `GOOGLE_API_KEY` का उपयोग होता है |
Voice Call रीयलटाइम कॉन्फ़िगरेशन का उदाहरण:
```json5
{
plugins: {
entries: {
"voice-call": {
enabled: true,
config: {
realtime: {
enabled: true,
provider: "google",
providers: {
google: {
model: "gemini-3.1-flash-live-preview",
speakerVoice: "Kore",
activityHandling: "start-of-activity-interrupts",
turnCoverage: "audio-activity-and-all-video",
},
},
},
},
},
},
},
}
```
Google Live API, WebSocket पर द्विदिश ऑडियो और फ़ंक्शन कॉलिंग का उपयोग करता है।
OpenClaw टेलीफ़ोनी/Meet ब्रिज ऑडियो को Gemini की PCM Live API स्ट्रीम के अनुकूल बनाता है और
टूल कॉल को साझा रीयलटाइम वॉइस अनुबंध पर रखता है। जब तक सैंपलिंग में बदलाव आवश्यक न हों,
`temperature` को सेट न करें; OpenClaw गैर-धनात्मक मानों को छोड़ देता है
क्योंकि Google Live, `temperature: 0` के लिए ऑडियो के बिना ट्रांसक्रिप्ट लौटा सकता है।
Gemini API ट्रांसक्रिप्शन `languageCodes` के बिना सक्षम होता है; मौजूदा Google
SDK इस API पथ पर भाषा-कोड संकेतों को अस्वीकार करता है।
Gemini 3.1 Live रीयलटाइम इनपुट के माध्यम से संवादात्मक टेक्स्ट स्वीकार करता है और
क्रमिक फ़ंक्शन कॉलिंग का उपयोग करता है। OpenClaw इस मॉडल के लिए पुराने
`NON_BLOCKING`, फ़ंक्शन प्रतिक्रिया शेड्यूलिंग और भावात्मक-संवाद फ़ील्ड को छोड़ देता है।
`thinkingLevel` को प्राथमिकता दें; कॉन्फ़िगर किए गए धनात्मक `thinkingBudget` मान
निकटतम समर्थित स्तर पर मैप किए जाते हैं, जबकि `-1` Google के डिफ़ॉल्ट को
यथावत रखता है। [Gemini Live क्षमता तुलना](https://ai.google.dev/gemini-api/docs/live-api/capabilities) देखें।
Control UI Talk सीमित, एक-बार उपयोग वाले टोकन के साथ Google Live ब्राउज़र सत्रों का समर्थन करता है।
Video Talk में, ब्राउज़र सीमित JPEG फ़्रेम सीधे Google Live को
प्रदाता की अधिकतम एक फ़्रेम प्रति सेकंड की दर से भेजता है।
`describe_view` फ़ंक्शन बताता है कि वह कैमरा स्ट्रीम सक्रिय है या नहीं।
कैमरा फ़्रेम Gateway से होकर नहीं गुजरते। केवल-बैकएंड रीयलटाइम वॉइस
प्रदाता सामान्य Gateway रिले ट्रांसपोर्ट के माध्यम से भी चल सकते हैं, जो
प्रदाता क्रेडेंशियल को Gateway पर रखता है।
मेंटेनर द्वारा लाइव सत्यापन के लिए,
`OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts` चलाएँ।
स्मोक परीक्षण OpenAI बैकएंड/WebRTC पथों को भी कवर करता है; Google चरण उसी
सीमित Live API टोकन स्वरूप को जारी करता है जिसका उपयोग Control UI Talk करता है,
ब्राउज़र WebSocket एंडपॉइंट खोलता है, प्रारंभिक सेटअप पेलोड के साथ एक JPEG फ़्रेम भेजता है,
और टेक्स्ट प्रतिक्रिया तथा `describe_view` फ़ंक्शन राउंडट्रिप को सत्यापित करता है।
## उन्नत कॉन्फ़िगरेशन
प्रत्यक्ष Gemini API रन (`api: "google-generative-ai"`) के लिए, OpenClaw
कॉन्फ़िगर किए गए `cachedContent` हैंडल को Gemini अनुरोधों में भेजता है।
- प्रति-मॉडल या वैश्विक पैरामीटर को
`cachedContent` या पुराने `cached_content` में से किसी एक के साथ कॉन्फ़िगर करें
- अधिक विशिष्ट दायरे के पैरामीटर (वैश्विक के ऊपर मॉडल-स्तर) हमेशा प्रभावी होते हैं।
एक ही दायरे में, यदि दोनों कुंजियाँ सेट हैं, तो `cached_content` प्रभावी होता है।
अप्रत्याशित परिणामों से बचने के लिए प्रति दायरा केवल एक कुंजी का उपयोग करें।
- उदाहरण मान: `cachedContents/prebuilt-context`
- Gemini कैश-हिट उपयोग को अपस्ट्रीम `cachedContentTokenCount` से
OpenClaw `cacheRead` में सामान्यीकृत किया जाता है
```json5
{
agents: {
defaults: {
models: {
"google/gemini-2.5-pro": {
params: {
cachedContent: "cachedContents/prebuilt-context",
},
},
},
},
},
}
```
`google-gemini-cli` OAuth प्रदाता का उपयोग करते समय, OpenClaw डिफ़ॉल्ट रूप से Gemini
CLI `stream-json` आउटपुट का उपयोग करता है और अंतिम `stats`
पेलोड से उपयोग को सामान्यीकृत करता है। पुराने `--output-format json` ओवरराइड अब भी
JSON पार्सर का उपयोग करते हैं।
- स्ट्रीम किए गए उत्तर का टेक्स्ट सहायक `message` इवेंट से आता है।
- पुराने JSON आउटपुट के लिए, उत्तर का टेक्स्ट CLI JSON `response` फ़ील्ड से आता है।
- जब CLI `usage` को खाली छोड़ता है, तो उपयोग के लिए `stats` का उपयोग किया जाता है।
- `stats.cached` को OpenClaw `cacheRead` में सामान्यीकृत किया जाता है।
- यदि `stats.input` अनुपस्थित है, तो OpenClaw
`stats.input_tokens - stats.cached` से इनपुट टोकन प्राप्त करता है।
यदि Gateway डेमन (launchd/systemd) के रूप में चलता है, तो सुनिश्चित करें कि
`GEMINI_API_KEY` उस प्रक्रिया के लिए उपलब्ध हो (उदाहरण के लिए,
`~/.openclaw/.env` में या `env.shellEnv` के माध्यम से)।
## संबंधित
प्रदाताओं, मॉडल संदर्भों और फ़ेलओवर व्यवहार का चयन।
साझा छवि टूल पैरामीटर और प्रदाता चयन।
साझा वीडियो टूल पैरामीटर और प्रदाता चयन।
साझा संगीत टूल पैरामीटर और प्रदाता चयन।