Gemini - 音频理解

POST

/v1beta/models/gemini-2.0-flash:generateContent

Gemini 音频理解 - 使用 inlineData 传入 Base64 音频

Request

Query Params

Header Params

Body Params application/json

Examples

Responses

🟢200

application/json

Body

Request Example

Shell

JavaScript

Java

Swift

curl --location -g --request POST 'https://newapi.mexxxxai.win/v1beta/models/gemini-2.0-flash:generateContent?key={{GEMINI_API_KEY}}' \
--header 'Content-Type: application/json' \
--data-raw '{
  "contents": [
    {
      "parts": [
        {"inlineData": {"mimeType": "audio/mp3", "data": "<BASE64_ENCODED_AUDIO_DATA>"}},
        {"text": "请转录并总结这段音频的内容。"}
      ]
    }
  ],
  "generationConfig": {"temperature": 0.3, "maxOutputTokens": 2048}
}'

Response Example

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "**转录内容：**\n\n【大家好，欢迎收听本期播客。今天我们邀请到了人工智能领域的专家张教授，一起聊聊大语言模型的最新进展……】\n\n**内容摘要：**\n\n本段音频为一期科技播客的开头部分，时长约45秒。主持人介绍了本期嘉宾张教授，并预告将围绕大语言模型（LLM）的技术发展和应用场景展开讨论。音频质量清晰，无明显噪音。"
          }
        ],
        "role": "model"
      },
      "finishReason": "STOP",
      "index": 0
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 1240,
    "candidatesTokenCount": 112,
    "totalTokenCount": 1352
  }
}

Modified at 2026-04-02 11:32:32

Gemini - 视频理解（fileData）

Gemini Files API - 上传文件