# Gemini PDF、音频输入与结构化输出：inline_data、responseSchema

Source: https://ofox.ai/zh/docs/develop/models/gemini/multimodal

本页说明如何向 Gemini 传入 PDF 与音频，以及如何获取结构化输出。模型 ID 与接口地址见 [Gemini 系列概览](https://ofox.ai/zh/docs/develop/models/gemini)。

## PDF 与音频
原生接口通过 `inline_data` 传入 base64 编码的文件，`mime_type` 为 `application/pdf`、`audio/wav`、`audio/mp3` 等：

```python filename="gemini_pdf.py"
import os
from google import genai
from google.genai import types

client = genai.Client(
    api_key=os.environ["OFOX_API_KEY"],
    http_options={"api_version": "v1beta", "base_url": "https://api.ofox.ai/gemini"},
)

pdf = open("invoice.pdf", "rb").read()
resp = client.models.generate_content(
    model="google/gemini-3.5-flash",
    contents=[types.Part.from_bytes(data=pdf, mime_type="application/pdf"), "这张发票的总金额是多少？"],
)
print(resp.text)
```

OpenAI 兼容接口中，PDF 使用 `file` 内容块（`file_data` 为 `data:application/pdf;base64,...`），音频使用 `input_audio` 内容块（`{"data": "<base64>", "format": "wav"}`）。

## 结构化输出
原生接口在 `generationConfig` 中设置 `responseMimeType` 与 `responseSchema`：

```python filename="gemini_json_schema.py"
import os
from google import genai
from google.genai import types
from pydantic import BaseModel

class Price(BaseModel):
    price: float
    currency: str

client = genai.Client(
    api_key=os.environ["OFOX_API_KEY"],
    http_options={"api_version": "v1beta", "base_url": "https://api.ofox.ai/gemini"},
)

resp = client.models.generate_content(
    model="google/gemini-3.5-flash",
    contents="球拍和球共 1.10 美元，球拍比球贵 1 美元，球多少钱？",
    config=types.GenerateContentConfig(response_mime_type="application/json", response_schema=Price),
)
print(resp.parsed)
```

OpenAI 兼容接口使用 `response_format: {"type": "json_schema", ...}`，写法见[结构化输出](https://ofox.ai/zh/docs/develop/guides/structured-output)。

其他报错见[常见报错](https://ofox.ai/zh/docs/develop/models/gemini#errors)。