Communitygithub.com

subida-gemini-file-api

Sube y gestiona archivos mediante la API de archivos de Google Gemini a través de scripts. Útil para subir imágenes, audio, video, PDFs y otros archivos para usar con los modelos Gemini.

¿Qué es subida-gemini-file-api?

Esta habilidad proporciona un conjunto de scripts para interactuar con la API de archivos de Google Gemini, permitiendo cargar, verificar el estado y gestionar varios tipos de archivos como imágenes, audio, video, PDFs y documentos de texto. Es especialmente útil para preparar archivos para su uso en análisis multimodal, procesamiento por lotes o integración con otras habilidades de Gemini, como texto, imagen o embeddings. El flujo de trabajo principal consiste en subir un archivo, esperar a que su estado sea `ACTIVE` (opcionalmente con la bandera `--wait`), y luego referenciarlo en llamadas posteriores a la API. La habilidad incluye scripts como `scripts/upload.py` para subir, y ofrece parámetros como nombre personalizado y espera de procesamiento. Se integra sin problemas con otras habilidades del ecosistema Gemini, como `gemini-text` para análisis o `gemini-batch` para operaciones masivas, y proporciona una referencia para la gestión de archivos a través de la API de Python.

Compatible con✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/majiayu000/claude-skill-registry/tree/HEAD/skills/ai-llm/gemini-files-akrindev-google-studio-skills

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

API de Archivos de Gemini

Sube y gestiona archivos para usar con los modelos Gemini a través de scripts ejecutables, compatible con imágenes, audio, video, PDFs y otros tipos de archivo.

Cuándo Usar Esta Habilidad

Usa esta habilidad cuando necesites:

  • Subir imágenes para análisis multimodal
  • Subir videos para procesamiento de contenido
  • Subir PDFs para análisis de documentos
  • Subir audio para transcripción o procesamiento
  • Precargar archivos para operaciones por lotes
  • Verificar el estado de procesamiento de archivos
  • Listar y gestionar archivos subidos
  • Usar archivos con otras habilidades de Gemini (texto, imagen, etc.)

Scripts Disponibles

scripts/upload.py

Propósito: Subir archivos a la API de archivos de Gemini

Cuándo usarlo:

  • Subir cualquier archivo para procesamiento Gemini
  • Preparar archivos para generación multimodal
  • Subir documentos para análisis
  • Preparación de archivos por lotes

Parámetros clave:

ParámetroDescripciónEjemplo
pathRuta del archivo (obligatorio)image.jpg
--name, -nNombre para mostrar"mi-documento"
--wait, -wEsperar a que termine el procesamientoBandera

Salida: Nombre del archivo, URI e información de estado

Flujos de Trabajo

Flujo 1: Subida Básica de Archivo

python scripts/upload.py imagen.jpg
  • Ideal para: Subidas rápidas, archivos simples
  • Salida: Nombre del archivo y URI para uso en API
  • Estado: PROCESSING o ACTIVE

Flujo 2: Subida con Nombre Personalizado

python scripts/upload.py documento.pdf --name "Informe Trimestral Q4 2026"
  • Ideal para: Organizar archivos, rastrear subidas
  • Usar cuando: El nombre original del archivo no es suficientemente descriptivo
  • El nombre mostrado aparece en los listados de archivos

Flujo 3: Subida y Espera de Procesamiento

python scripts/upload.py video.mp4 --wait
  • Ideal para: Archivos grandes, videos, audio
  • Espera hasta que el archivo esté en estado ACTIVE
  • Usar cuando: Necesitas usar el archivo inmediatamente después de subir

Flujo 4: Subir Imagen para Análisis

# 1. Subir imagen
python scripts/upload.py foto.png --name "foto-producto"

# 2. Usar con gemini-text para análisis
python skills/gemini-text/scripts/generate.py "Describe esta imagen" --image foto.png
  • Ideal para: Análisis de imágenes, subtitulado, preguntas y respuestas visuales
  • Se combina con: gemini-text para procesamiento multimodal

Flujo 5: Subir PDF para Extracción de Contenido

# 1. Subir PDF
python scripts/upload.py articulo-investigacion.pdf --name "Articulo-IA-Investigacion" --wait

# 2. Extraer contenido con gemini-text
python skills/gemini-text/scripts/generate.py "Extrae los hallazgos clave de este documento" --image articulo-investigacion.pdf
  • Ideal para: Procesamiento de documentos, extracción de contenido
  • Se combina con: gemini-text para análisis

Flujo 6: Subir Múltiples Archivos para Lotes

# 1. Subir varios archivos
for file in *.jpg; do
    python scripts/upload.py "$file"
done

# 2. Crear trabajo por lotes usando los archivos subidos (habilidad gemini-batch)
  • Ideal para: Preparar archivos para procesamiento por lotes
  • Se combina con: gemini-batch para operaciones masivas

Flujo 7: Subir Audio para Transcripción

# 1. Subir audio
python scripts/upload.py entrevista.mp3 --name "entrevista-001" --wait

# 2. Procesar con gemini-text (si hay transcripción disponible)
python skills/gemini-text/scripts/generate.py "Transcribe y resume este audio" --image entrevista.mp3
  • Ideal para: Procesamiento de audio, transcripción, análisis de podcasts
  • Se combina con: gemini-text para análisis de audio

Flujo 8: Subir Video para Análisis de Contenido

# 1. Subir video (puede tomar tiempo)
python scripts/upload.py demo-producto.mp4 --name "video-demo" --wait

# 2. Analizar con gemini-text
python skills/gemini-text/scripts/generate.py "Analiza este video de demostración del producto" --image demo-producto.mp4
  • Ideal para: Análisis de video, resumen de contenido
  • Nota: Los videos pueden requerir un tiempo de procesamiento significativo

Referencia de Parámetros

Tipos de Archivo Soportados

TipoExtensionesTamaño MáximoTiempo de Procesamiento
Imágenesjpg, jpeg, png, gif, webp20MBSegundos
Audiomp3, wav, aac, flac25MBSegundos-minutos
Videomp4, mov, avi, webm2GBMinutos-horas
Documentospdf, txt50MBSegundos-minutos

Tipos MIME

El script detecta automáticamente según la extensión:

  • Imágenes: image/jpeg, image/png, image/gif, image/webp
  • Audio: audio/mpeg, audio/wav
  • Video: video/mp4, video/quicktime, video/webm
  • Documentos: application/pdf, text/plain

Estados de Archivo

EstadoDescripciónListo para Usar
PROCESSINGEl archivo está siendo analizadoNo
ACTIVEEl archivo está listoSí
FAILEDEl procesamiento fallóNo

Interpretación de la Salida

Respuesta de Subida

Subiendo photo.png...
Subido: files/abc123...
URI: gs://generation-tmp/abc123...
Estado: PROCESSING
  • Nombre del archivo: Usar en llamadas API
  • URI: Referencia interna de Google Cloud Storage
  • Estado: PROCESSING = esperar, ACTIVE = listo

Con la Bandera --wait

Subiendo video.mp4...
Subido: files/xyz789...
URI: gs://generation-tmp/xyz789...
Estado: PROCESSING
Esperando procesamiento...
Todavía procesando...
¡Archivo listo!
  • El script sondea hasta que el estado es ACTIVE
  • Usar para archivos grandes que requieren procesamiento
  • Puede tomar minutos para videos

Usando Archivos Subidos

Una vez subido, referencia el archivo por nombre:

# Con gemini-text
python skills/gemini-text/scripts/generate.py "Analiza" --image <ruta-archivo-subido>

Problemas Comunes

"google-genai no instalado"

pip install google-genai

"Archivo no encontrado"

  • Verifica que la ruta del archivo sea correcta
  • Usa rutas absolutas si las relativas fallan
  • Comprueba que la extensión del archivo coincida con los tipos soportados

"Archivo demasiado grande"

  • Revisa los límites de tamaño para el tipo de archivo
  • Comprime imágenes/videos si es posible
  • Divide archivos grandes en partes más pequeñas

"Tipo de archivo no soportado"

  • Verifica las extensiones soportadas
  • Convierte a un formato soportado si es posible
  • Imágenes: jpg, png, gif, webp
  • Videos: mp4, mov, avi, webm

"Procesamiento fallido"

  • Verifica que el archivo no esté corrupto
  • Intenta volver a subir el archivo
  • Confirma que el formato del archivo sea válido
  • Revisa los límites de cuota de la API

"Archivo todavía en procesamiento" (sin --wait)

  • El estado del archivo es PROCESSING, no ACTIVE
  • Usa la bandera --wait o verifica el estado más tarde
  • Los archivos grandes (especialmente videos) toman tiempo
  • El procesamiento puede tardar de minutos a horas

Mejores Prácticas

Estrategia de Subida

  • Usa --wait para archivos que usarás de inmediato
  • Omite --wait para subidas por lotes para ahorrar tiempo
  • Usa --name descriptivo para organización
  • Lleva un registro de los nombres de archivo para uso posterior

Organización de Archivos

  • Usa convenciones de nombres consistentes
  • Incluye fechas o versiones en los nombres
  • Agrupa archivos relacionados juntos
  • Documenta los nombres de archivo en tu código

Consejos de Rendimiento

  • Sube varios archivos en paralelo (procesos separados)
  • Precarga archivos para operaciones por lotes
  • Verifica el estado del archivo antes de usarlo en llamadas API
  • Elimina archivos antiguos para gestionar el almacenamiento

Manejo de Errores

  • Verifica el estado después de la subida
  • Reintenta subidas fallidas
  • Verifica la integridad del archivo antes de subir
  • Registra los nombres de archivo para auditorías

Integración con Otras Habilidades

  • gemini-text: Análisis multimodal, procesamiento de documentos
  • gemini-image: Generar imágenes basadas en referencia subida
  • gemini-batch: Usar archivos subidos en trabajos por lotes
  • gemini-embeddings: Crear embeddings a partir del contenido del archivo

Ciclo de Vida del Archivo

  • Subir → PROCESSING → ACTIVE → Usar en API
  • Eliminar archivos antiguos para liberar almacenamiento
  • Los archivos pueden caducar después de un período determinado
  • Descargar archivos importantes para respaldo

Habilidades Relacionadas

  • gemini-text: Analizar archivos subidos con generación de texto
  • gemini-image: Crear imágenes basadas en referencias subidas
  • gemini-batch: Usar archivos subidos en procesamiento por lotes
  • gemini-embeddings: Generar embeddings a partir del contenido del archivo

Referencia Rápida

# Subida básica
python scripts/upload.py imagen.jpg

# Con nombre personalizado
python scripts/upload.py documento.pdf --name "Mi Documento"

# Esperar procesamiento
python scripts/upload.py video.mp4 --wait

# Varios archivos
for file in *.jpg; do python scripts/upload.py "$file"; done

API de Gestión de Archivos

Aunque no está en los scripts, también puedes gestionar archivos mediante Python:

from google import genai

client = genai.Client()

# Listar todos los archivos
for file in client.files.list():
    print(f"{file.name}: {file.display_name} ({file.state})")

# Obtener información de un archivo
file = client.files.get(name="files/abc123...")
print(f"Estado: {file.state}")

# Eliminar un archivo
client.files.delete(name="files/abc123...")

Referencia

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

majiayu000/claude-skill-registry

Builds, edit or validate Agent Skill through conversational discovery. Use when the user requests to "Create an Agent", "Optimize an Agent" or "Edit an Agent".

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Analyzes current state and user query to answer BMad questions or recommend the next workflow or agent. Use when user says what should I do next, what do I do now, or asks a question about BMad

majiayu000/claude-skill-registry

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry

Portfolio allocation and rebalancing optimizer. Manages asset allocation across stocks/cash/bonds, performs periodic rebalancing, and ensures diversification according to market regime and risk tolerance.

majiayu000/claude-skill-registry

Create a hilarious and ultra-realistic video of an anthropomorphic animal acting like a human vlogger in a real-world setting.

majiayu000/claude-skill-registry

Speech-to-text transcription and translation via OpenAI Audio API -- models, response formats, timestamps, prompting, streaming, chunking, and diarization

majiayu000/claude-skill-registry

BlockRun works with Claude Code and Google Antigravity.

majiayu000/claude-skill-registry

This skill should be used when the user asks about libraries, frameworks, API references, or needs code examples. Activates for setup questions, code generation involving libraries, or mentions of specific frameworks like React, Vue, Next.js, Prisma, Supabase, etc.

majiayu000/claude-skill-registry

小省导购员数字人带货版即梦视频提示词生成系统,基于四大智能体协同(提示词生成师、质量管控师、知识库运维师、跨环节适配师),按照"主体+运动+场景+(镜头语言+光影+氛围)"公式输出中英文双版提示词,适配5s短视频。确保人物一致性、视觉连贯性、情绪连贯性,支持知识库智能复用和跨工具适配(Suno音乐、AI绘画),为数字人带货视频提供高质量提示词生成服务。

majiayu000/claude-skill-registry

CRITICAL: Use for MolyKit AI chat toolkit. Triggers on: BotClient, OpenAI, SSE streaming, AI chat, molykit, PlatformSend, spawn(), ThreadToken, cross-platform async, Chat widget, Messages, PromptInput, Avatar, LLM

majiayu000/claude-skill-registry

AI and machine learning workflow covering LLM application development, RAG implementation, agent architecture, ML pipelines, and AI-powered features.

majiayu000/claude-skill-registry

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry

Conduct domain and industry research. Use when the user says "lets create a research report on [domain or industry]

majiayu000/claude-skill-registry

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

Skills relacionados