Saltar al contenido principal
La API de Respuestas acepta texto, imágenes, audio y archivos en una sola solicitud. Utiliza input estructurado con arreglos de contenido para combinar modalidades.

Tipos de entrada soportados

Entrada de imagen

Envía una imagen para que el modelo la describa, analice o responda preguntas sobre ella. Proporciona la imagen como una URL, una URI de datos base64 o un file_id previamente subido.

Imagen vía URL

Imagen vía base64

Codifica la imagen como una URI de datos con el tipo MIME apropiado.

Imagen vía file_id

Sube una imagen primero con la API de Archivos y luego haz referencia a ella por su ID.

Entrada de audio

Envía audio para que el modelo lo procese. El audio se transcribe automáticamente y el modelo responde al contenido hablado. Formatos soportados: WAV y MP3 (máx 25 MB).
El modelo transcribe automáticamente el audio y responde al contenido hablado. Por ejemplo, enviar un archivo WAV que contiene “Hello, how are you today?” devuelve:

Entrada de documento

Envía documentos para que el modelo los lea y razone sobre ellos. Los documentos PDF y escaneados se procesan automáticamente con OCR — no se necesita configuración adicional.

Documento vía URL

Documento vía base64

Codifica el archivo como una URI de datos. Incluye el tipo MIME para que la API pueda enviarlo al procesador correcto.

Documentos escaneados y OCR

Los PDFs escaneados y las imágenes de documentos se procesan automáticamente. La API utiliza OCR para extraer texto de:
  • Páginas PDF escaneadas (convertidas a imágenes a 150 DPI, luego OCR)
  • Fotos de documentos (JPEG, PNG, TIFF)
  • Archivos de Office (DOCX, XLSX, PPTX — convertidos a PDF primero, luego OCR)
Los documentos de varias páginas se procesan en paralelo. El texto extraído se devuelve como Markdown y se pasa al modelo para razonamiento. No se necesitan parámetros especiales — solo envía el archivo como input_file y la canalización se encarga de la detección, conversión y OCR.

Formatos de documento soportados

Límite de tamaño: 30 MB por archivo.

Entrada mixta

Combina múltiples tipos de contenido en un solo mensaje. El modelo ve todas las entradas juntas y puede razonar entre ellas.

Próximos pasos