Extrae datos estructurados de un audio según un schema

Recibe un archivo de audio (.mp3, .wav, .m4a o .ogg) y un schema_id, y devuelve un único objeto JSON con los datos extraídos de lo hablado, con las claves exactamente iguales a las propiedades definidas en el schema. El análisis lo realiza un modelo multimodal de IA. Antes de extraer datos, el modelo evalúa si el habla es inteligible; si no lo es, responde con 422. El audio se trata como una única fuente de datos: la respuesta siempre contiene exactamente un registro en "data". Tamaño máximo 12 MB. Duración máxima 10 minutos. La respuesta incluye log_id. Si la verificación de fuente está activada en el schema, cada propiedad extraída es { value, source }. Con window_context, la transcripción se persiste en markdown.