POST/v1beta/models/gemini-2.5-pro:generateContent

Gemini：音频理解与转写

读取音频文件并获得文字转写、摘要或内容分析。

API Key application/json

功能与适用场景

分析录音中的语音与声音信息。输出为文字，不是实时语音会话或 TTS 生成。

支持模型与组合

示例 gemini-3.8-flash。选择支持相应媒体的通用 Gemini 模型，不使用 Embedding / TTS / Image 专用型号替代。

第一步：设置鉴权

使用青云TOP API 的 API Key：Authorization: Bearer YOUR_API_KEY。替换占位符，保留 Bearer 后的空格。无需厂商 API Key。

第二步：调用模型

POST https://top.qingyuntop.ai/v1beta/models/gemini-3.8-flash:generateContent

请求为 application/json。

Request

请求

/v1beta/models/gemini-2.5-pro:generateContent

Body

必填

Bodyobject

contentsarray必填

必填，顶层 content 数组。role 使用 user / model，parts 保持原始顺序；下一轮重新发送历史。

元素object

数组元素。

partsarray<object>

每条 content 必填。文本 {text:...}；媒体 {inlineData:{mimeType,data}}；一张图片一个 part，顺序影响引用。

元素object

数组元素。

textstring

model（路径）string必填

必填，在 /v1beta/models/{model}:动作中填写；generateContent 请求体无需重复 model。

generationConfigobject

选填，顶层对象。输出长度、采样、结构化格式、思考和语音设置分别放在对象对应子字段。

temperaturenumber

topPnumber

topKinteger

maxOutputTokensinteger

选填，正整数，无统一默认。限制输出 token，思考也占用预算；示例 4096。

stopSequencesarray<string>

元素string

数组元素。

safetySettingsarray<object>

选填字段；是否可用取决于当前模型和协议。

元素object

数组元素。

categorystring

thresholdstring

toolsarray<object>

选填，顶层工具数组。按本页选择 functionDeclarations、googleSearch、urlContext 或 codeExecution；名称区分大小写。

元素object

数组元素。

systemInstructionobject

选填，顶层。parts 中填写文本指令，不放入 generationConfig。

partsarray<object>

元素object

数组元素。

路径、查询与 Header 参数

参数	位置	类型	必填	说明	示例
`key`	Query	string	是	-	YOUR_API_KEY
`Content-Type`	Header	string	是	-	application/json
`x-goog-api-key`	Header	string	否	-	YOUR_API_KEY

请求示例application/json

set -euo pipefail
python3 - <<'PY'
import base64
import json
from pathlib import Path

payload = json.loads(r'''{
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "转写并总结这段音频。"
        },
        {
          "inlineData": {
            "mimeType": "audio/mpeg",
            "data": ""
          }
        }
      ]
    }
  ]
}''')
payload["contents"][0]["parts"][1]["inlineData"]["data"] = "" + base64.b64encode(Path("audio.mp3").read_bytes()).decode("ascii")
encoded = json.dumps(payload, ensure_ascii=False).encode("utf-8")
if len(encoded) >= 20_000_000:
    raise ValueError("示例限定完整请求小于20 MB，请压缩或拆分素材")
Path("request.json").write_bytes(encoded)
PY
curl --fail-with-body --connect-timeout 30 --max-time 600 "https://top.qingyuntop.ai/v1beta/models/gemini-3.8-flash:generateContent" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  --data-binary @request.json \
  --output response.json

Response

返回响应 `200`

HTTP 响应

响应 200object

candidatesarray

候选数组，可缺省或为空。按 index 区分，遍历 content.parts；text 是文字，inlineData 是媒体，functionCall 是函数调用。不能只取第一个 part。

元素object

数组元素。

contentobject

rolestring

partsarray<object>

元素object

数组元素。

finishReasonstring

流式中间片可缺省。STOP 为正常结束，MAX_TOKENS 为截断，SAFETY / RECITATION 等需显示相应限制；缺少最终原因时不能认定内容完整。

safetyRatingsarray<object>

元素object

数组元素。

usageMetadataobject

可缺省的用量对象，含 promptTokenCount、candidatesTokenCount、totalTokenCount，思考详情按实际返回；流式汇总不逐片相加。

promptTokenCountinteger

candidatesTokenCountinteger

totalTokenCountinteger

promptFeedbackobject

blockReasonstring

提示词被拦截时可能出现；这时可能没有 candidates。先检查拦截原因，不把空候选当作空白的成功答案。

常见错误与参考

Base64 不带 data: 前缀，mimeType 必须与实际字节一致。不能把临时网页链接或别的账号 Files URI 当作可读文件。

401：检查本站 API Key 和 Bearer 格式；403：确认此 Key 可用该模型；429：遵循 Retry-After 退避。超时或 5xx 时保留请求标识和脱敏错误，避免盲目重发；其他通用排查见聊天接入总览。

Google 官方 generateContent 示例。

Gemini：音频理解与转写

功能与适用场景

支持模型与组合

第一步：设置鉴权

第二步：调用模型

请求

Body

路径、查询与 Header 参数

返回响应 200

常见错误与参考

返回响应 `200`