Swift SDK调用Gemini API处理音频时遭遇500内部错误排查

Gemini是否支持音频功能 #

Gemini 1.5 Flash完全支持音频输入，功能层面不存在限制。

可能的问题点及解决方法 #

• MIME类型错误：你使用的"m4a"不是标准MIME类型，正确的M4A音频格式MIME类型应为"audio/m4a"。API无法识别错误的MIME类型会触发内部错误。
• 音频数据超限：检查音频文件的时长或大小是否超出Gemini 1.5 Flash的输入限制（单音频最长支持约1小时）。
• SDK版本过旧：确保GoogleGenerativeAI Swift SDK为最新版本，旧版本可能存在音频处理的兼容性bug。
• 文件读取异常：确认fileUrl指向的文件存在且未损坏，避免读取到无效的音频数据。

修正后的代码示例 #

let fileData = try Data(contentsOf: fileUrl)
let model = GenerativeModel(name: "gemini-1.5-flash", apiKey: apiKey)
let response = try await model.generateContent([
    ModelContent.Part.data(mimetype: "audio/m4a", fileData),
    ModelContent.Part.text("Say something")
])
let text = response.text ?? "no response"
print(text)

内容的提问来源于stack exchange，提问作者someone