Saltar al contenido principal
Contenido actualizado: 2026-06-09

Gemini comprensión de audio

Hasta 2026-04-08, las revisiones de Crazyrouter de este sitio y del puerto local 4000 demuestran:
  • gemini-3.1-pro puede leer audio/wav
  • El flujo principal ya estable que funciona es inlineData
  • Para audios cortos, la transcripción, la detección de idioma y el resumen se pueden realizar directamente con indicaciones de texto

Solicitud mínima verificada

La forma clave de respuesta exitosa en el entorno de producción:

Puntos clave de la solicitud

  • Para la comprensión de audio se recomienda priorizar inlineData
  • mimeType debe coincidir con el formato de audio real, por ejemplo, audio/wav, audio/mpeg
  • data debe contener solo el contenido en Base64, sin el prefijo de Data URL
  • Si necesitas JSON estricto, puedes agregar también la restricción de salida estructurada
Esta página actual está escrita para el flujo principal ya validado de comprensión de audio corto. Para transcripción de audio más largo y generación de voz, consulta las páginas STT y TTS respectivamente; Realtime actualmente no se muestra como ejemplo recomendado públicamente.

Páginas relacionadas