تحلیل صدا با API؛ خلاصه و پاسخ فارسی از روی فایل صوتی

import base64
from openai import OpenAI

client = OpenAI(base_url="https://1ai.ir/v1", api_key="sk-1ai-...")
audio = base64.b64encode(open("meeting.mp3", "rb").read()).decode()

reply = client.chat.completions.create(
    model="qwen/qwen3.8-omni-flash",
    max_tokens=1500,
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "این صدای یک جلسه است. چند نفر صحبت می‌کنند؟ در سه جمله خلاصه کن."},
            {"type": "input_audio", "input_audio": {"data": audio, "format": "mp3"}},
        ],
    }],
)
print(reply.choices[0].message.content)