Atende Direito · Docs

Tema

Entender Mídia · media_understand ​

Para que serve

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.

Quando usar
  • 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 ​

TipoFormatos comunsO que a IA entrega
ImagemPNG, JPG, WEBP, GIFDescrição, texto extraído, análise
ÁudioMP3, OGG, WAV, M4ATranscrição completa do que foi dito
VídeoMP4, MOVDescrição das cenas, transcrição do áudio
DocumentoPDF, DOCXAnálise e resumo do conteúdo
Passo a passo
  1. 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.
  2. Arraste o nó **Entender Mídia** para o canvas e conecte ao nó que fornece o arquivo.
  3. Configure a **Fonte da mídia** — referência ao arquivo recebido (ex.: {{esperar_texto.file}}).
    Painel de configuração do nó Entender Mídia, com os campos Mídia, Modelo (gemini-2.5-flash), Instrução e Idioma

    Painel de configuração do nó Entender Mídia, com os campos Mídia, Modelo (gemini-2.5-flash), Instrução e Idioma

  4. Selecione o **Modelo** a usar (modelos com capacidade multimodal são recomendados para imagens e vídeos).
  5. 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."
  6. Salve. O resultado fica em {{media_understand.output}} como texto.
Campos
CampoO que faz
Fonte da mídiaReferência ao arquivo (URL, variável do fluxo)
Tipo de mídiaDetecção automática ou especificação manual
ModeloLLM multimodal que vai processar o arquivo
PromptInstrução para a IA — o que analisar ou extrair
Dica

No campo Modelo você também pode escolher um modelo Whisper (OpenAI, OpenRouter ou Groq) para transcrever áudio. Ele só aceita áudio: para imagem, documento ou vídeo, use um modelo multimodal. Modelos GPT da OpenAI não leem áudio diretamente, então, para áudio, use Whisper ou um modelo com suporte a áudio (por exemplo, Gemini).

Saídas ​

VariávelConteúdo
outputTexto gerado pela IA (descrição, transcrição, resumo)
typeTipo de mídia detectado
Exemplo

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

Configuração:

  • Fonte: {{esperar_texto.file}}
  • Prompt: "Transcreva o que foi dito em português, mantendo o texto original sem corrigir erros de fala."

Uso da saída: A transcrição em {{media_understand.output}} é passada para o Classificar pergunta, 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

Quando o nó lê a mídia da própria mensagem que disparou o fluxo ({{event.message.media_url}}) e ela é imagem, documento ou vídeo, o texto lido também fica gravado nessa mensagem. Nos turnos seguintes, o histórico do agente inclui esse texto (com a indicação "Conteúdo lido"), depois da legenda quando houver. Assim o agente não esquece o que leu e não pede o documento de novo. Áudio não entra nessa regra, pois já tem transcrição própria. A gravação é automática e, se falhar, o nó continua normalmente.

Dica

Quando o cliente manda uma mídia, o fluxo só é disparado depois que o arquivo termina de ser baixado e guardado na plataforma — normalmente um ou dois segundos após a mensagem chegar. Isso vale para todos os canais de WhatsApp e garante que {{event.message.media_url}} aponte para um arquivo que o nó consegue ler de verdade.

Saiba mais ​