মিথুন অডিও সম্বন্ধে প্রম্পটে সাড়া দিতে পারে। উদাহরণস্বরূপ, মিথুন করতে পারেন:
- অডিও বিষয়বস্তু সম্পর্কে বর্ণনা, সারসংক্ষেপ বা প্রশ্নের উত্তর দিন।
- অডিও একটি প্রতিলিপি প্রদান.
- অডিওর একটি নির্দিষ্ট অংশ সম্পর্কে উত্তর বা ট্রান্সক্রিপশন প্রদান করুন।
এই নির্দেশিকা বিভিন্ন উপায় প্রদর্শন করে:
- মিথুন মডেলের কাছে অডিও পাঠান।
- মিথুন মডেলকে অডিও সম্পর্কে অনুরোধ করুন।
সমর্থিত অডিও ফরম্যাট
জেমিনি নিম্নলিখিত অডিও ফর্ম্যাট MIME প্রকারগুলিকে সমর্থন করে:
- WAV - অডিও/wav
- MP3 - অডিও/mp3
- AIFF - অডিও/এআইএফএফ
- AAC - অডিও/aac
- OGG Vorbis - অডিও/ogg
- FLAC - অডিও/flac
অডিও সম্পর্কে প্রযুক্তিগত বিবরণ
মিথুন অডিওতে নিম্নলিখিত নিয়মগুলি আরোপ করে:
- মিথুন অডিওর প্রতিটি সেকেন্ড 25 টোকেন হিসাবে উপস্থাপন করে; উদাহরণস্বরূপ, এক মিনিটের অডিওকে 1,500 টোকেন হিসাবে উপস্থাপন করা হয়।
- মিথুন শুধুমাত্র ইংরেজি ভাষার বক্তৃতার প্রতিক্রিয়া অনুমান করতে পারে।
- মিথুন অ-বক্তৃতা উপাদান "বুঝতে" পারে, যেমন পাখির গান বা সাইরেন।
- একক প্রম্পটে অডিও ডেটার সর্বাধিক সমর্থিত দৈর্ঘ্য হল 9.5 ঘন্টা। মিথুন একটি একক প্রম্পটে অডিও ফাইলের সংখ্যা সীমাবদ্ধ করে না; যাইহোক, একটি একক প্রম্পটে সমস্ত অডিও ফাইলের মোট সম্মিলিত দৈর্ঘ্য 9.5 ঘন্টার বেশি হতে পারে না।
- Gemini অডিও ফাইলগুলিকে 16 Kbps ডেটা রেজোলিউশনে নমুনা দেয়।
- অডিও উৎসে একাধিক চ্যানেল থাকলে, জেমিনি সেই চ্যানেলগুলিকে একক চ্যানেলে একত্রিত করে।