智增增API
API登录演示ChatAPI应用示例API最新消息
API登录演示ChatAPI应用示例API最新消息
Github地址
智增增官网
  1. Google接口
  • 欢迎使用智增增
  • 概述
  • HelloWord-第一个示例
  • API最新消息
  • 模型和价格说明
  • base_url地址到底是哪个？
  • bug反馈
  • OpenAI接口
    • OpenAI概述
    • 使用OpenAI官方SDK
    • Audio
    • Chat
    • Completions
    • Embeddings
    • Fine Tuning
    • Batches
    • Files
    • Images
    • Models
    • Moderations
    • Videos
    • Responses
    • Realtime
    • Assistants
    • Vector stores
  • Google接口
    • Gemini概述
    • 使用Gemini官方SDK
    • 使用 Gemini CLI
    • Generating content
    • Files
    • Deep Research
    • Gemini文本生成
    • Gemini深度思考
    • Gemini函数调用
    • Gemini图片生成
    • Gemini图片理解
    • Gemini文档理解
    • Gemini视频理解
    • Gemini音频理解
    • Gemini代码执行
    • Gemini网页上下文
    • Gemini支持谷歌搜索
    • Gemini结构化输出
    • Gemini生成视频
  • 字节豆包接口
    • 字节豆包概述
    • 图片生成
    • 视频生成
  • 阿里千问接口
    • 阿里千问概述
    • 图片生成
    • 视频生成
  • Anthropic接口
    • Claude概述
    • 使用Claude官方SDK
    • 使用 Claude Code
    • Messages
    • Models
  • xAI接口
    • Grok概述
    • Chat
    • Responses
    • Images
    • Videos
  • MiniMax接口
    • MiniMax概述
    • 图片生成
    • 视频生成
  • 快手可灵接口
    • 可灵概述
    • 图片生成
    • 视频生成
  • DeepSeek接口
    • DeepSeek概述
    • 思考模式(reasoning_content格式)
  • 智增增系统接口
    • 查询余额
    • Modify fine-tune
    • 重排序
  • 模型说明
    • 其它模型示例
    • 费用计算说明
    • 深度思考
    • 模型微调
  • 其它说明
    • 主要概念
    • 常见问题
    • 更新记录
    • 退款说明
    • 错误码
    • 关于敏感词过滤
  • 接口示例
    • 模型调用示例
    • API应用示例
    • 示例场景
    • 示例代码
      • audio_transcriptions（语音识别）
      • c#语言（支持Unity）
      • c++语言
      • curl
      • gpt-4o.图片理解
      • java语言（支持android）
      • js
      • langchain的支持
      • object-c语言（支持苹果IOS）
      • php
      • python
      • translation（识别并翻译成英文）
      • tts.speech.语音合成
      • 兼容openai的Node.js库
      • 兼容openai的python库
      • 兼容openai的其它各种库
      • 函数调用
      • 文字生成图片
      • 流式示例stream
  • fine-tune.微调
    • 微调常见错误
    • 微调示例
    • finetune特别注意事项
  • assistant.助手
    • assistant示例
  • batch.批处理
    • batch示例
    • batch特别注意事项
  • video.视频
    • video示例
    • video特别注意事项
  • 文章列表
    • 如何在智增增演示Chat中使用nano banana
    • 智增增-AI工具配置使用指南
    • 在 Cursor 中配置 智增增API
    • 大模型怎么实现连续对话（记忆上下文）
    • 为什么调用chatgpt的api接口没有返回？？怎么查问题
  • 废弃
    • Introduction介绍
    • Claude消息
    • Claude深度思考
    • ChatKit
    • Containers
  1. Google接口

Gemini音频理解

Gemini 可以分析和理解音频输入，从而实现以下用例：
描述、总结或回答与音频内容相关的问题。
提供音频转写内容。
分析音频的特定片段。
本指南介绍了如何使用 Gemini API 针对音频输入生成文本回答。

支持的音频格式#

Gemini 支持以下音频格式 MIME 类型：
WAV - audio/wav
MP3 - audio/mp3
AIFF - audio/aiff
AAC - audio/aac
OGG Vorbis - audio/ogg
FLAC - audio/flac

音频的技术详情#

Gemini 将每秒的音频表示为 32 个令牌；例如，一分钟的音频表示为 1,920 个令牌。
Gemini 可以“理解”非语音内容，例如鸟鸣或警笛。
单个问题中音频数据的支持时长上限为 9.5 小时。Gemini 不限制单个问题中的音频文件数量；不过，单个问题中的所有音频文件总时长不得超过 9.5 小时。
Gemini 会将音频文件下采样为 16 Kbps 的数据分辨率。
如果音频源包含多个声道，Gemini 会将这些声道合并为一个声道。

示例:#

输入:
修改于 2025-06-24 02:30:31
上一页
Gemini视频理解
下一页
Gemini代码执行
Built with