---
title: Entender Mídia
description: Analise imagens, áudios, vídeos e documentos enviados pelo cliente usando IA multimodal.
---

# Entender Mídia  ·  `media_understand`

<NoCard kind="media_understand" categoria="IA" />

<Secao icon="info">Para que serve</Secao>

Imagina que o cliente manda uma foto do documento com defeito, um áudio explicando o problema ou um vídeo de uma situação. Em vez de precisar de um atendente humano para ver e entender esse conteúdo, o nó Entender Mídia usa IA para analisar o que foi enviado e transformar isso em texto — um resumo, uma descrição, uma transcrição — que o fluxo pode usar para continuar o atendimento.

<Secao icon="clock">Quando usar</Secao>

- Transcrever mensagens de áudio enviadas pelo cliente no WhatsApp
- Analisar fotos de documentos, produtos com defeito ou situações relatadas por imagem
- Descrever o conteúdo de um vídeo curto enviado pelo cliente
- Extrair texto ou informações de imagens, mesmo em fotos e capturas de tela (reconhecimento de texto potencializado por IA, também chamado de OCR)
- Verificar se uma imagem enviada corresponde ao que foi solicitado

---

## Tipos de mídia suportados

| Tipo | Formatos comuns | O que a IA entrega |
|------|----------------|-------------------|
| **Imagem** | PNG, JPG, WEBP, GIF | Descrição, texto extraído, análise |
| **Áudio** | MP3, OGG, WAV, M4A | Transcrição completa do que foi dito |
| **Vídeo** | MP4, MOV | Descrição das cenas, transcrição do áudio |
| **Documento** | PDF, DOCX | Análise e resumo do conteúdo |

---

<Secao icon="list-checks">Passo a passo</Secao>

<Passos>
  <Passo>Certifique-se de que o arquivo de mídia já está disponível no fluxo — geralmente vindo de um nó Esperar Texto que recebeu um arquivo do cliente pelo WhatsApp.</Passo>
  <Passo>Arraste o nó **Entender Mídia** para o canvas e conecte ao nó que fornece o arquivo.</Passo>
  <Passo>Configure a **Fonte da mídia** — referência ao arquivo recebido (ex.: <code v-pre>{{esperar_texto.file}}</code>).</Passo>
  <Passo>Selecione o **Modelo** a usar (modelos com capacidade multimodal são recomendados para imagens e vídeos).</Passo>
  <Passo>Escreva o **Prompt** — o que você quer que a IA faça com o arquivo. Exemplos:
  - Para áudio: "Transcreva o que foi dito em português."
  - Para imagem: "Descreva o que você vê nesta imagem. Se houver texto, transcreva-o."
  - Para vídeo: "Resuma o conteúdo deste vídeo em 2 parágrafos."</Passo>
  <Passo>Salve. O resultado fica em <code v-pre>{{media_understand.output}}</code> como texto.</Passo>
</Passos>

---

<Secao icon="sliders-horizontal">Campos</Secao>

| Campo | O que faz |
|-------|-----------|
| **Fonte da mídia** | Referência ao arquivo (URL, variável do fluxo) |
| **Tipo de mídia** | Detecção automática ou especificação manual |
| **Modelo** | LLM multimodal que vai processar o arquivo |
| **Prompt** | Instrução para a IA — o que analisar ou extrair |

## Saídas

| Variável | Conteúdo |
|----------|----------|
| `output` | Texto gerado pela IA (descrição, transcrição, resumo) |
| `type` | Tipo de mídia detectado |

---

<Secao icon="circle-check">Exemplo</Secao>

**Cenário:** o cliente manda um áudio pelo WhatsApp descrevendo seu problema jurídico.

**Configuração:**
- Fonte: <code v-pre>{{esperar_texto.file}}</code>
- Prompt: "Transcreva o que foi dito em português, mantendo o texto original sem corrigir erros de fala."

**Uso da saída:**
A transcrição em <code v-pre>{{media_understand.output}}</code> é passada para o [Classificar pergunta](/guia/flow-builder/ia/classificador), que identifica o assunto e roteia o atendimento para o departamento correto.

<Dica>

Para áudios em português com sotaque ou ruído, especifique no prompt o idioma e peça ao modelo para interpretar mesmo que o áudio não esteja perfeito: "Transcreva em português. Se alguma palavra estiver inaudível, indique com [inaudível]."

</Dica>

<Cuidado>

Vídeos e arquivos grandes podem demorar mais para processar e consumir mais tokens. Para vídeos, prefira clipes curtos (até 2 minutos) para garantir boa performance no atendimento.

</Cuidado>

---

## Saiba mais

- [Classificar pergunta](/guia/flow-builder/ia/classificador) — roteie o fluxo com base no conteúdo entendido pela IA