# Gemini API ile şantiye ve iç mekân ses kayıtlarını analiz etme rehberi

Kaynak: https://3dsinifi.com/haber/gemini-api-ile-santiye-ve-ic-mekan-ses-kayitlarini-analiz · Kategori: Eğitimler · Yayın: 1 Kasım 2026

> Bu rehber, Gemini API ile ses dosyalarını analiz ederek açıklama, özet, döküm ve zaman damgalı bölümler elde etme sürecini mimarlık ve iç mekân iş akışlarına uyarlıyor.

## Kısaca
- Gemini API, ses girdisini analiz edip metin yanıtı oluşturabiliyor.
- Ses dosyası Files API üzerinden yüklenebilir veya istekle birlikte gönderilebilir.
- Toplam istek boyutu 20 MB’ı aşıyorsa Google, Files API kullanılmasını istiyor.
- Gemini API gerçek zamanlı transkripsiyon kullanımını desteklemiyor.

## Bu rehberde ne öğreneceksiniz?

Şantiye ziyareti, iç mekân incelemesi ya da proje toplantısı sırasında alınan ses kayıtları, daha sonra aranabilir notlara dönüştürülebilir. Gemini API, ses içeriğini açıklama, özetleme ve ses hakkında soruları yanıtlama gibi işlerde kullanılabiliyor. Ayrıca konuşmayı metne aktarma, çeviri, duygu tespiti ve belirli ses bölümlerine zaman damgası verme senaryoları da dokümantasyonda yer alıyor.

Bu rehberde, ses dosyasını API’ye iletme ve mimarlık iş akışına uygun yönergeler yazma adımları ele alınıyor. Örnekler; sahada kaydedilmiş bir gözlem, malzeme değerlendirmesi veya proje toplantısı kaydını düzenlemek için hazırlandı. Üretilen çıktıyı saha tutanağı ya da teknik karar yerine koymak yerine, kayda dönüp kontrol edilecek bir taslak olarak değerlendirmek gerekir.

## Gereksinimler

İş akışı için Gemini API erişimi, API anahtarı ve bir ses dosyası gerekir. Google’ın örneklerinde Python için `google-genai` istemcisi kullanılıyor; istemci `from google import genai` ile içe aktarılıyor ve `genai.Client()` üzerinden oluşturuluyor. Kaynakta istemci kitaplığının belirli bir sürümü belirtilmediğinden, burada sürüm numarası verilmiyor.

Dokümantasyon ses dosyasını yükleyip `generate_content` isteğinde kullanmayı veya ses verisini isteğe doğrudan eklemeyi gösteriyor. İstek toplamı—dosya, metin istemi ve sistem yönergeleri dâhil—20 MB’tan büyükse Files API kullanılmalı. Bu rehberdeki metin örnekleri, API’ye iletilecek yönergelerdir; dosya yükleme ve yanıt alma işlemi uygulamanın API çağrısıyla yapılır.

Bir sınırlamayı da baştan hesaba katın: Gemini API gerçek zamanlı transkripsiyon kullanımını desteklemiyor. Dolayısıyla aşağıdaki adımlar, canlı bir toplantıyı anlık olarak yazıya dökmek yerine, mevcut bir ses dosyasını işlemek içindir.

## Adım adım ses analizi

### 1. Kaydı ve hedefi belirleyin

Önce hangi sorunun yanıtlanacağını netleştirin. Örneğin amaç; mekânda duyulan gürültüleri listelemek, toplantıda alınan kararları çıkarmak ya da kayıt içindeki belirli bir konuşma bölümünü bulmak olabilir. Yönergede yalnızca ses kaydında duyulabilen bilgilere dayanılmasını istemek, çıktıyı kontrol etmeyi kolaylaştırır.

Kayıt dosyasını API’ye Files API yoluyla yükleyin ya da uygun olduğunda isteğe ekleyin. Google’ın örneğinde model adı `gemini-3.8-flash` olarak kullanılıyor. Ardından ses dosyasını ve aşağıdaki gibi kendi amacınıza göre yazdığınız bir yönergeyi `generate_content` çağrısına iletin.

```prompt
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.
```

Bu yönerge, kaydı doğrudan bir teknik rapor gibi sunmak yerine bir ilk not listesi istemek üzere tasarlandı. Çıktıda belirsiz olarak işaretlenen noktalar, kayıt dinlenerek ayrıca kontrol edilmelidir.

### 2. Döküm veya kısa özet isteyin

Toplantı kaydında kararları ve takip işlerini ayıklamak için döküm ya da özet isteği kullanılabilir. Gemini API ses içeriğini özetleyebiliyor ve ses hakkında sorulara yanıt verebiliyor. Yönergeyi, sonraki aşamada ekibin kullanacağı bilgi türüne göre daraltın.

```prompt
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.
```

Bu tür bir çıktı, toplantı notlarının ilk taslağı olarak işe yarayabilir. Ancak kayıtta geçen proje terimlerini ve sorumlu kişileri asıl sesle karşılaştırın; yanlış duyulan bir ifade kararın anlamını değiştirebilir.

### 3. Zaman damgası ve yapılandırılmış sonuç isteyin

Kaydın belirli bölümlerini bulmak gerektiğinde, her bölüm için zaman damgası talep edilebilir. Google’ın örnek uygulaması, ses dökümünü bölümlere ayırıp zaman damgası, içerik, dil ve duygu gibi alanları içeren yapılandırılmış çıktı kullanıyor. Örnekte yanıt biçimi JSON olarak ayarlanıyor ve alanlar bir şemayla tanımlanıyor.

```prompt
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.
```

Uygulama tarafında yapılandırılmış sonuç isteniyorsa, API dokümantasyonundaki örnekte olduğu gibi yanıt biçimi ve alanları şemayla tanımlanabilir. Örnek şemada `summary` alanı genel özeti, `segments` dizisi ise bölüm kayıtlarını taşıyor; bölüm nesnesinde zaman damgası ve içerik gibi alanlar bulunuyor. Bu yaklaşım, sonucu daha sonra kontrol etmeyi veya uygulama içinde işlemeyi kolaylaştırabilir; ancak şema, transkripsiyonun doğruluğunu kendiliğinden garanti etmez.

### 4. Ses içeriğine yönelik soru sorun

Dosyanın tamamını yeniden özetletmek yerine, kayıttaki belirli bir konuya odaklanan soru sorabilirsiniz. Örneğin bir iç mekân incelemesinde konuşmacıların aydınlatma, akustik veya yüzeylerle ilgili neler söylediğini çıkarmak isteyebilirsiniz. Bu başlıkların kayıtta geçtiğini varsaymayın; yönergede yalnızca duyulan bölümlerin aktarılmasını belirtin.

```prompt
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.
```

Gemini API, sesin belirli bölümlerini analiz edip zaman damgası sağlayan kullanım senaryolarını destekliyor. Sonucu kontrol ederken her maddeyi ilgili zaman aralığından dinleyin; zaman damgası, kaydın doğru yorumlandığının tek başına kanıtı değildir.

## Sık karşılaşılan hatalar

- **Belirsiz istek yazmak:** “Kaydı analiz et” gibi genel bir yönerge, hangi bilginin gerektiğini açıkça belirtmez. Döküm, özet, takip işi veya belirli bir konu arasından hedefi seçin.
- **Tahminleri olgu gibi kabul etmek:** Teknik ölçü, malzeme adı veya karar kayıtta net değilse, modelden bunları tamamlamamasını isteyin ve çıktıyı dinleyerek doğrulayın.
- **İstek boyutunu gözden kaçırmak:** Toplam istek 20 MB’ı geçiyorsa Files API kullanılmalı. Boyuta yalnızca ses dosyasını değil, istek içindeki diğer içerikleri de dâhil edin.
- **Canlı transkripsiyon beklemek:** Gemini API’nin ses dokümantasyonu gerçek zamanlı transkripsiyon desteği olmadığını belirtiyor. Bu iş akışını mevcut dosyalar için kullanın.
- **Yapılandırılmış çıktıyı doğrulanmış kayıt sanmak:** JSON şeması yanıtın düzenini belirler. Duyulan sözcüklerin, dil bilgisinin veya zaman damgalarının doğruluğunu ayrıca kontrol edin.

## Sonraki adımlar

Önce kısa ve içeriği bilinen bir kayıtla deneme yapın. Aynı ses için özet, döküm ve zaman damgalı bölüm istemlerini ayrı ayrı deneyerek ekip için en kullanışlı çıktıyı belirleyin. Sonuçlar proje notlarına aktarılacaksa, ses kaydıyla karşılaştırma adımını iş akışına ekleyin.

Bir uygulama geliştiren ekipler, dokümantasyondaki Python örneğinde Files API ile ses yükleyip `generate_content` çağrısı yapıldığını inceleyebilir. API anahtarı kullanılan REST örneğinde de `GEMINI_API_KEY` değişkeni gösteriliyor. Ses verisini sunan yöntemi seçerken toplam istek boyutunu dikkate alın; anlık transkripsiyon gerekiyorsa Gemini API ses rehberinin bu kullanım için destek sunmadığını unutmayın.

## Kaynak ve lisans

Bu rehber, Google’ın Gemini API ses anlama dokümantasyonu ile video üretimi sayfasındaki Gemini Omni Flash bilgilerini temel alır. İçerik, CC BY 4.0 lisanslı kaynaklardan Türkçeye uyarlanmış ve mimarlık, iç mekân ve archviz iş akışlarına göre yeniden yazılmıştır.

## Pro ipucu
İlk denemede tek bir hedef seçin; örneğin yalnızca toplantı kararlarını veya yalnızca belirli bir ses bölümünü isteyin. Çıktıdaki önemli ifadeleri ilgili zaman damgasından dinleyerek doğrulayın.

## 3dsınıfı yorumu
Türkiye’deki mimarlık ofisleri ve öğrenciler için ses kaydını özet veya aranabilir not taslağına dönüştürmek, saha ve toplantı sonrasındaki düzenleme yükünü azaltabilir. Özellikle kayıtta hangi bilginin geçtiğini hızlıca bulmak gerektiğinde zaman damgalı bölümler pratik bir başlangıç sunuyor.

Bununla birlikte API kullanımı, kayıtların paylaşılması ve iş akışına entegrasyon için ek kararlar gerektirir; kaynaklarda fiyat ve kullanım maliyeti belirtilmiyor. Bu nedenle bütçe değerlendirmesi yapmadan önce güncel koşullar ayrıca incelenmeli. Gerçek zamanlı transkripsiyon desteği olmaması ve çıktıların kayda göre doğrulanması gereği de seçim aşamasında göz önünde tutulmalı.

## Kaynaklar
- [ai.google.dev (CC BY 4.0)](https://ai.google.dev/gemini-api/docs/video) (özet)
- [ai.google.dev (CC BY 4.0)](https://ai.google.dev/gemini-api/docs/generate-content/audio) (özet)

_Yapay zekâ ile yazıldı, kaynaklarla doğrulandı. © 3dsınıfı_