> ## Documentation Index
> Fetch the complete documentation index at: https://docs.crazyrouter.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Gemini 音频理解

> 基于 2026-04-08 Crazyrouter 本站成功请求经验整理的 Gemini 原生音频理解

> 更新日期：2026-06-06

# Gemini 音频理解

```text theme={null}
POST /v1beta/models/{model}:generateContent
```

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

```bash theme={null}
curl "https://api.crazyrouter.com/v1beta/models/gemini-3.1-pro:generateContent?key=YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [
          {
            "inlineData": {
              "mimeType": "audio/wav",
              "data": "BASE64_WAV_DATA"
            }
          },
          {
            "text": "请返回 JSON，字段为 transcript、language、summary。"
          }
        ]
      }
    ],
    "generationConfig": {
      "maxOutputTokens": 512
    }
  }'
```

生产环境同类成功返回的关键形态：

````json theme={null}
{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "```json\n{\n  \"transcript\": \"叮\",\n  \"language\": \"zh-CN\",\n  \"summary\": \"音频中包含一个简短的提示音。\"\n}\n```"
          }
        ]
      }
    }
  ]
}
````

## 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/wav`、`audio/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](/features/structured-outputs) 约束

<Note>
  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 [STT](/audio/stt)、[TTS](/audio/tts) 页面；Realtime 当前不作为公开推荐用例展示。
</Note>