Gemini 音频理解

把音频 URL 作为 user 消息传给 Gemini, 可做转写 / 摘要 / 翻译 / 问答

POST /v1/chat/completions

Auth: {'type': 'bearer', 'prefix': 'sk-', 'description': 'API Key, 使用 `Authorization: Bearer sk-xxx` 鉴权'}

Gemini 原生支持音频输入, 通过 `content` 数组的 `input_audio` 类型传入。 **支持格式**: mp3 / wav / m4a / aac / flac / opus / aiff **音频上限**: - 2.5 Pro: 最长约 9.5 小时 (单请求) - 2.5 Flash / Lite: 最长约 9.5 小时 - 3.1 Flash Lite Preview: 支持实时多模态 **典型用法**: 会议转写 + 摘要、客服录音质检、语言翻译、情感分析。

Request body

`model`	string	required	支持音频的 Gemini 模型, 如 `gemini-2.5-pro` / `gemini-2.5-flash` / `gemini-2.5-flash-lite`
`messages`	array	required
`role`	string	required
`content`	array		内容块数组, 含文本提示 + 音频
`type`	string
`text`	string		(type=text) 提示文本
`input_audio`	object		(type=input_audio) 音频数据
`data`	string		音频 URL 或 base64 数据
`format`	string
`temperature`	number
`max_tokens`	integer
`stream`	boolean

Responses

200 — 返回对音频的理解结果

Example

curl https://api.router.ai/v1/chat/completions \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-2.5-flash",
    "messages": [
      {
        "role": "user",
        "content": [
          {"type": "text", "text": "帮我转写并总结这段会议录音, 按议程分段"},
          {"type": "input_audio", "input_audio": {
            "data": "https://example.com/meeting.mp3",
            "format": "mp3"
          }}
        ]
      }
    ]
  }'

API reference