音频转文本 Agent

代码

import requests
from agno.agent import Agent
from agno.media import Audio
from agno.models.google import Gemini

agent = Agent(
    model=Gemini(id="gemini-2.0-flash-exp"),
    markdown=True,
)

url = "https://agno-public.s3.us-east-1.amazonaws.com/demo_data/QA-01.mp3"

response = requests.get(url)
audio_content = response.content


agent.print_response(
    "转录此次音频对话内容，使用说话人 A、说话人 B 来区分不同的说话人。",
    audio=[Audio(content=audio_content)],
    stream=True,
)

使用方法

1. 创建虚拟环境

   打开 Terminal 并创建一个 python 虚拟环境。

   Mac

   python3 -m venv .venv
   source .venv/bin/activate
   

2. 设置你的 API 密钥

   export GOOGLE_API_KEY=xxx
   

3. 安装库

   pip install google-genai
   

4. 运行 Agent

   Mac

   python cookbook/agent_concepts/multimodal/audio_to_text.py
   

Assistant

Responses are generated using AI and may contain mistakes.