​
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。
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

python cookbook/agent_concepts/multimodal/audio_to_text.py