媒体理解

如果图片能看懂、视频却只显示为文件，先检查输入界面，再检查模型。Anyy 的理解路由需要对应的媒体类型：同一文件通过不同入口进入，不一定有相同处理结果。

在 Dashboard 里先确认附件类型

在 Dashboard → Chat 中发送消息前添加文件。单次上传最多 5 个文件，每个不超过 50 MiB；尚未被消息认领的临时附件会在 24 小时后过期。

Dashboard 将 JPEG、PNG 上传识别为图片。v0.1.107 中，其他上传内容包括音频、视频都作为普通文件附件，不会自动进入 STT 或视频理解。使用这些路由时，需要支持相应类型的渠道/输入路径交付 audio、voice 或 video 附件。

图片应配合明确问题：

检查这张表格截图，把第三行的项目名称和金额列出来；看不清的单元格请明确标出。

视频和录音需要什么输入路径

类型	支持路径
图片	JPEG/PNG 图片附件；原生图片输入或专用摘要模型
视频	由支持的输入路径交付的 MP4/WebM/QuickTime 视频附件；原生视频输入或专用摘要模型
音频	由支持的输入路径交付的 `audio`/`voice` 附件；先用 STT 转成文字

服务商可能有更严格的格式、体积或时长限制。音频默认上限为 25 MiB、请求超时 60 秒、转写文字 12,000 字符，与 Dashboard 上传限制不同；部分语音协议/模型限制更小。

再检查负责处理的模型

通过 Dashboard → Models 设置主模型和图片/视频/语音路由，也可使用相应 Tools 页面或 CLI：

anyy tools image understanding
anyy tools video understanding
anyy tools voice stt

所选模型必须声明相应输入能力；手动输入的未知模型不会自动被视为支持图片或视频。认证与路由见模型配置。

直接看原文件，还是先生成摘要

模式	图片/视频行为
`auto` / `native_first`	优先使用当前模型声明的原生能力；需要时可通过已配置辅助路由生成摘要
`summary_first`	先交给专用理解路由，再进入主对话；必须配置该路由
`disabled`	关闭辅助理解路径；它不是阻止原生模型收到媒体的隐私开关

图片摘要默认为 160 Token/800 字符、超时 60 秒。摘要上限可能省略细节，应明确要求所需证据，并核验重要文字或时间点。缺少可用图片内容或兼容路径时，模型可能只收到省略/不可用标记；图片/视频摘要失败也可能表示为不可用。不要把附件存在当成已经理解。

音频采用 transcript_first。media_understanding.audio.on_failure 支持 annotate（默认）、ignore、fail，分别表示加入转写失败标记、不带转写继续、终止请求。说话人识别和逐字准确度取决于 STT 后端，附件支持本身不保证这些能力。

哪些内容可能发到外部

原生媒体或辅助处理可能把内容发给所选服务商，后续主模型可能只收到摘要/转写文字。应了解每个所选服务商的数据留存和地区规则。大文件及转写可能增加延迟和费用。

常见问题

现象	检查项
Dashboard 音频/视频上传后显示普通文件	这是当前行为；使用能交付相应媒体类型的输入路径
图片被省略或不可用	使用有效 JPEG/PNG 内容和支持能力的原生/辅助路由
视频没有被理解	检查附件类型、MP4/WebM/QuickTime 格式、能力与路由
音频没有转写	检查 `audio`/`voice` 类型、STT 启用状态、协议及更小的限制
服务商拒绝体积或上下文	压缩或裁剪内容，核对所选服务商限制

语音协议见语音与听写。

在 Dashboard 里先确认附件类型​

视频和录音需要什么输入路径​

再检查负责处理的模型​

直接看原文件，还是先生成摘要​

哪些内容可能发到外部​

常见问题​