Guide : analyser des enregistrements de chantier et d’intérieur avec l’API Gemini

Ce que vous apprendrez dans ce guide

Les enregistrements réalisés lors d’une visite de chantier, d’une inspection intérieure ou d’une réunion de projet peuvent ensuite être convertis en notes consultables. L’API Gemini peut servir à décrire et résumer le contenu audio, ainsi qu’à répondre à des questions à son sujet. La documentation présente également des cas d’usage comme la transcription, la traduction, la détection des émotions et l’ajout d’horodatages à des segments audio spécifiques.

Ce guide explique comment transmettre un fichier audio à l’API et rédiger des consignes adaptées aux workflows en architecture. Les exemples sont conçus pour organiser des observations enregistrées sur le terrain, une évaluation de matériaux ou une réunion de projet. Plutôt que de considérer le résultat comme un procès-verbal de chantier ou une décision technique, utilisez-le comme un brouillon à vérifier en réécoutant l’enregistrement.

Prérequis

Ce workflow nécessite un accès à l’API Gemini, une clé API et un fichier audio. Dans ses exemples Python, Google utilise le client google-genai, importé avec from google import genai et instancié via genai.Client(). La source ne précisant pas de version particulière de la bibliothèque cliente, aucun numéro de version n’est indiqué ici.

La documentation montre comment importer un fichier audio et l’utiliser dans une requête generate_content, ou comment inclure directement les données audio dans la requête. Si la requête complète — fichier, prompt textuel et consignes système compris — dépasse 20 MB, il faut utiliser l’API Files. Les exemples de texte de ce guide sont des consignes à transmettre à l’API ; l’importation du fichier et la récupération de la réponse s’effectuent au moyen d’un appel API depuis l’application.

Tenez également compte dès le départ d’une limite : l’API Gemini ne prend pas en charge la transcription en temps réel. Les étapes ci-dessous servent donc à traiter un fichier audio existant, et non à transcrire instantanément une réunion en direct.

Analyse audio étape par étape

1. Définir l’enregistrement et l’objectif

Commencez par préciser la question à laquelle vous souhaitez répondre. Vous pouvez, par exemple, vouloir dresser la liste des bruits entendus dans un espace, extraire les décisions prises en réunion ou retrouver un passage précis de l’enregistrement. Demander explicitement de s’appuyer uniquement sur les informations audibles facilite la vérification du résultat.

Importez le fichier audio dans l’API via l’API Files ou joignez-le à la requête lorsque cela convient. Dans l’exemple de Google, le nom du modèle est gemini-3.8-flash. Transmettez ensuite le fichier audio et une consigne rédigée selon votre objectif, comme celle-ci, dans l’appel generate_content.

Bu ses kaydını mimari saha gözlemi olarak incele. Yalnızca kayıtta duyulan bilgilere dayanarak mekân, duyulan sesler ve konuşmacıların belirttiği sorunları kısa maddeler hâlinde özetle. Duyulmayan veya belirsiz kalan bilgileri tahmin etme; belirsiz olduklarını açıkça belirt.

Cette consigne demande une première liste de notes, plutôt que de présenter directement l’enregistrement comme un rapport technique. Les points signalés comme incertains dans le résultat doivent être vérifiés en réécoutant l’enregistrement.

2. Demander une transcription ou un résumé concis

Pour extraire les décisions et les actions à suivre d’un enregistrement de réunion, vous pouvez demander une transcription ou un résumé. L’API Gemini peut résumer le contenu audio et répondre à des questions le concernant. Précisez la consigne en fonction des informations dont l’équipe aura besoin par la suite.

Bu proje toplantısı kaydını özetle. Alınan kararları, konuşmacıların açıkça belirttiği takip işlerini ve yanıtı kesinleşmeyen soruları ayrı başlıklar altında yaz. Kayıtta bulunmayan kişi, tarih, ölçü veya karar ekleme.

Ce type de résultat peut servir de première ébauche de compte rendu. Toutefois, vérifiez les termes du projet et les personnes responsables en les comparant à l’enregistrement original : une expression mal entendue peut modifier le sens d’une décision.

3. Demander des horodatages et un résultat structuré

Lorsque vous devez retrouver des passages précis, vous pouvez demander un horodatage pour chaque segment. L’exemple d’implémentation de Google utilise une transcription découpée en segments et un résultat structuré contenant des champs tels que l’horodatage, le contenu, la langue et l’émotion. Dans cet exemple, le format de réponse est défini sur JSON et les champs sont décrits à l’aide d’un schéma.

Ses kaydını anlamlı bölümlere ayır. Her bölüm için MM:SS biçiminde zaman damgası, duyulan içeriğin dökümü ve bölümün dilini belirt. Ayrıca bölümün kısa bir özetini ekle. Zaman damgasından emin değilsen bunu açıkça yaz; duyulmayan sözcükleri tamamlama.

Si votre application requiert un résultat structuré, vous pouvez définir le format de réponse et les champs à l’aide d’un schéma, comme dans l’exemple de la documentation de l’API. Dans le schéma fourni, le champ summary contient le résumé général et le tableau segments contient les enregistrements des différents segments ; chaque objet de segment comporte des champs tels que l’horodatage et le contenu. Cette approche peut faciliter la vérification du résultat ou son traitement dans l’application ; toutefois, le schéma ne garantit pas à lui seul l’exactitude de la transcription.

4. Poser des questions sur le contenu audio

Au lieu de demander un nouveau résumé complet du fichier, vous pouvez poser une question ciblant un sujet précis de l’enregistrement. Lors d’une inspection intérieure, vous pouvez par exemple vouloir extraire ce que les intervenants ont dit à propos de l’éclairage, de l’acoustique ou des revêtements. Ne partez pas du principe que ces sujets sont abordés dans l’enregistrement ; précisez dans votre consigne de ne reprendre que les passages audibles.

Bu iç mekân inceleme kaydında aydınlatma, akustik ve yüzey malzemeleri hakkında söylenenleri ayrı ayrı listele. Bir başlık kayıtta hiç geçmiyorsa bunu belirt. Her madde için ilgili bölümün zaman damgasını ver ve kayıtta bulunmayan teknik öneriler ekleme.

L’API Gemini prend en charge des cas d’usage qui consistent à analyser des segments audio spécifiques et à fournir des horodatages. Pour vérifier le résultat, réécoutez chaque élément à l’intervalle correspondant : un horodatage ne prouve pas à lui seul que l’enregistrement a été correctement interprété.

Erreurs fréquentes

• Rédiger une consigne trop vague : une instruction générale comme « analyse l’enregistrement » ne précise pas les informations recherchées. Choisissez un objectif : transcription, résumé, action à suivre ou sujet précis.

• Prendre des suppositions pour des faits : si une mesure technique, un nom de matériau ou une décision n’est pas clairement audible, demandez au modèle de ne pas la compléter et vérifiez le résultat en réécoutant l’enregistrement.

• Négliger la taille de la requête : l’API Files doit être utilisée si la requête complète dépasse 20 MB. Tenez compte non seulement du fichier audio, mais aussi des autres éléments inclus dans la requête.

• S’attendre à une transcription en direct : la documentation audio de l’API Gemini indique qu’elle ne prend pas en charge la transcription en temps réel. Utilisez ce workflow pour des fichiers existants.

• Considérer un résultat structuré comme un compte rendu vérifié : le schéma JSON définit la structure de la réponse. Vérifiez séparément l’exactitude des mots entendus, de la langue et des horodatages.

Étapes suivantes

Commencez par tester le workflow avec un enregistrement court dont le contenu vous est connu. Essayez séparément une demande de résumé, de transcription et de segments horodatés pour déterminer quel résultat est le plus utile à votre équipe. Si les résultats doivent être intégrés aux notes du projet, ajoutez une étape de comparaison avec l’enregistrement audio.

Les équipes qui développent une application peuvent consulter l’exemple Python de la documentation, où l’audio est importé via l’API Files avant un appel generate_content. L’exemple REST utilisant une clé API montre également la variable GEMINI_API_KEY. Tenez compte de la taille totale de la requête pour choisir la méthode d’envoi des données audio ; si vous avez besoin d’une transcription instantanée, gardez à l’esprit que le guide audio de l’API Gemini ne prend pas en charge cet usage.

Sources et licence

Ce guide s’appuie sur la documentation de Google concernant la compréhension audio de l’API Gemini et sur les informations relatives à Gemini Omni Flash présentées sur la page de génération vidéo. Le contenu a été adapté en turc à partir de sources sous licence CC BY 4.0, puis réécrit pour les workflows d’architecture, d’aménagement intérieur et d’archviz.