Gemini Audio Vision: โมเดลภาษาขนาดใหญ่ของ AI

รวมโมเดล AI gemini-audio-vision ผ่าน API ประสิทธิภาพสูงที่มีความหน่วงต่ำและจ่ายตามการใช้งานจริง. โมเดล gemini-audio-vision มีให้บริการบน MuAPI พร้อมการเรียกเก็บเงินตามการใช้งานที่ยืดหยุ่นและรองรับการทำงานพร้อมกันสูง

การควบคุมโมเดลแบบโต้ตอบ

โมเดล gemini-audio-vision มีให้บริการบน MuAPI พร้อมการเรียกเก็บเงินตามการใช้งานที่ยืดหยุ่นและรองรับการทำงานพร้อมกันสูง

📝

ภาพรวม

เกี่ยวกับรุ่นนี้

เข้าถึงโมเดล gemini-audio-vision ผ่านการเขียนโปรแกรมบน MuAPI พร้อมการปรับขนาดได้ทันทีและความหน่วงต่ำ

1การสร้างเนื้อหามัลติมีเดีย

2การผสานรวมผลิตภัณฑ์ AI

3เวิร์กโฟลว์อัตโนมัติ

💰

ราคาและความคุ้มค่า

การวิเคราะห์ต้นทุน

ผู้ให้บริการ	ราคา	หมายเหตุ
muapiapp	$2.00/M input tokens, $5.00/M output tokens (higher per-run minimum for audio)	Token-based billing with no subscription — pay only for what you use, including the higher token cost of audio input.
Fal.ai	ไม่พร้อมใช้งาน	จุดสิ้นสุดการมองเห็นของ Fal.ai นั้นมีเฉพาะรูปภาพเท่านั้น พวกเขาไม่ได้เสนอความเข้าใจด้านเสียงผ่าน API ไฟล์ของ Gemini
Replicate	ไม่พร้อมใช้งาน	ขณะนี้การทำซ้ำไม่มีจุดสิ้นสุดการเข้าใจเสียงของ Gemini ที่โฮสต์ไว้

muapiapp$2.00/M input tokens, $5.00/M output tokens (higher per-run minimum for audio)

Token-based billing with no subscription — pay only for what you use, including the higher token cost of audio input.

Fal.aiไม่พร้อมใช้งาน

จุดสิ้นสุดการมองเห็นของ Fal.ai นั้นมีเฉพาะรูปภาพเท่านั้น พวกเขาไม่ได้เสนอความเข้าใจด้านเสียงผ่าน API ไฟล์ของ Gemini

Replicateไม่พร้อมใช้งาน

ขณะนี้การทำซ้ำไม่มีจุดสิ้นสุดการเข้าใจเสียงของ Gemini ที่โฮสต์ไว้

** ราคาของคู่แข่งประเมินโดยพิจารณาจากสถาปัตยกรรมโมเดลและระดับการใช้งานที่คล้ายคลึงกัน

⚙️

รายละเอียดทางเทคนิค

สคีมาการกำหนดค่า

พารามิเตอร์	ประเภท	คำอธิบาย	ค่าเริ่มต้น
พร้อมท์	string	เสียง	`Describe what is said and any background sounds in this audio, including speaker changes and tone.`
URL เสียง	string	URL เสียง	`https://d3adwkbyhxyrtq.cloudfront.net/webassets/audiomodels/sample-audio.mp3`
พร้อมท์ระบบ	string	Optional system-level instruction to guide the model's analysis style.	`Respond with a structured JSON analysis, not prose.`
รุ่น	อีนัม (1 ตัวเลือก)	เสียงราศีเมถุน	`gemini-2.5-flash`

พร้อมท์string

เสียง

ค่าเริ่มต้นDescribe what is said and any background sounds in this audio, including speaker changes and tone.

URL เสียงstring

URL เสียง

ค่าเริ่มต้นhttps://d3adwkbyhxyrtq.cloudfront.net/webassets/audiomodels/sample-audio.mp3

พร้อมท์ระบบstring

Optional system-level instruction to guide the model's analysis style.

ค่าเริ่มต้นRespond with a structured JSON analysis, not prose.

รุ่นอีนัม (1 ตัวเลือก)

เสียงราศีเมถุน

ค่าเริ่มต้นgemini-2.5-flash

📖

คู่มือการใช้งาน

เอกสารสำหรับนักพัฒนา

ส่งคำขอ POST ไปยังจุดสิ้นสุดพร้อมพารามิเตอร์ที่คุณต้องการและคีย์ MuAPI

❓

คำถามทั่วไป

คำถามที่พบบ่อย