Skip to main content
更新日期:2026-06-06

Gemini 音频理解

截至 2026-04-08,Crazyrouter 本站与本地 4000 端口复测表明:
  • gemini-3.1-pro 可以读取 audio/wav
  • 当前已稳定跑通的主链路是 inlineData
  • 对短音频做转写、语言判断、摘要说明都可以直接通过文本提示完成

已验证的最小请求

生产环境同类成功返回的关键形态:

请求要点

  • 音频理解优先使用 inlineData
  • mimeType 与真实音频格式保持一致,例如 audio/wavaudio/mpeg
  • data 只填 Base64 内容,不要带 Data URL 前缀
  • 如果你需要严格 JSON,可再叠加 结构化输出 约束
当前页面写的是已经跑通的短音频理解主路径。更长音频转写和语音生成请分别看现有 STTTTS 页面;Realtime 当前不作为公开推荐用例展示。