Google: Gemini 3.5 Transcribe

يحوّل Google Gemini 3.5 Transcribe الكلام المسجل إلى نص، مع اكتشاف اللغة تلقائيًا ومفردات مخصصة وتوقيت اختياري للكلمات أو تمييز المتحدثين. اختر VERBATIM للتوقيت وإسناد الكلام إلى المتحدثين، أو SMART للإملاء المقروء؛ ولا يمكن الجمع بين SMART وهاتين الميزتين.

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions google/gemini-3.5-transcribe

عن النموذج

يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.

Google Gemini 3.5 Transcribe هو النموذج المتزامن لتحويل ملفات الصوت الكاملة المسجلة مسبقًا إلى كلام مكتوب. يستند إلى قدرات Gemini في فهم الصوت، لكنه يملك عقدًا للمدخلات والمخرجات مخصصًا للتفريغ النصي. يستقبل إصدار Gemini 3.5 Transcribe Live المنفصل تدفقًا صوتيًا ويعيد نتائج تدريجية. أما نموذج الصوت المسجل هذا فينتج تفريغًا مكتملًا، مع توقيت اختياري للكلمات أو إسناد الكلام إلى المتحدثين، بحسب التهيئة المختارة.

جهّز تسجيلًا واضحًا لا يتعرض فيه الكلام لتشوّه شديد ناتج عن قصّ قمم الإشارة الصوتية، مع فصل واضح بين الأصوات قدر الإمكان. تمرر الأمثلة المتزامنة للشركة المنتجة صوت WAV على هيئة بايتات ملف أو مورد صوتي مخزن، مع تحديد نوع MIME. احتفظ بالصوت الأصلي متاحًا للمراجعة. قد تكون النتيجة المطلوبة تفريغ مقابلة جرت مراجعته، أو سجل محاذاة للتسميات التوضيحية، أو إملاءً سهل القراءة؛ حدّد المادة المطلوبة قبل الجمع بين ميزات تغيّر الصياغة أو تضيف بيانات وصفية.

توثق Google الاكتشاف التلقائي للغة عبر أكثر من 85 لغة، بما في ذلك المزج بين اللغات داخل الجلسة. تختلف مستويات دعم اللغات، وقد يحسّن تلميح بلغة معروفة دقة التعرف. توفر المفردات المخصصة أسماء مميزة أو علامات تجارية أو مصطلحات تخصصية يُرجّح ورودها. تسمح الشركة المنتجة بما يصل إلى 1,000 مصطلح، وتشير إلى أن القوائم المركزة التي تضم نحو 100 مصطلح كحد أقصى تعمل عادةً على أفضل وجه. اجعل المصطلحات غير الشائعة مرتبطة بالتسجيل، وتحقق منها بالرجوع إلى الصوت، بدلًا من افتراض أن تلميح المفردات يثبت نطق المصطلح.

VERBATIM هو الوضع الافتراضي. يحافظ على كلمات الحشو والتكرار والبدايات المتعثرة والتصحيحات المنطوقة، بحيث يبقى النص سجلًا للصياغة الأصلية. استخدم هذا الوضع عندما تحتاج المهمة إلى طوابع زمنية على مستوى الكلمات أو تمييز المتحدثين. في مقابلة مثلًا، احتفظ بأدوار الكلام الأصلية وتوقيتها، ثم صحح الأسماء والكميات المهمة بالاستماع إلى المقطع المعني. ويمكن لملخص لاحق أو مقال محرر أن يستند إلى ذلك السجل المراجع دون استبدال ما قاله المتحدث ضمنيًا.

صُمم وضع SMART للإملاء سهل القراءة. يزيل التعثرات اللفظية، ويعالج التصحيحات الذاتية داخل الكلام، وينظم المادة المنطوقة في فقرات أو قوائم، مع توحيد صيغة التواريخ والأرقام عند الاقتضاء. يمكن أن تصبح قائمة المهام المملاة قائمة مقروءة بدلًا من سلسلة من عبارات الانتقال المنطوقة. تغيّر هذه المعالجة شكل التفريغ. وتذكر Google صراحة أن SMART غير متوافق مع الطوابع الزمنية للكلمات وتمييز المتحدثين، لذا اختره عندما يكون النص المقروء هو المادة المطلوبة، بدلًا من محاولة استخدامه سجلًا موقّتًا ومنسوبًا إلى المتحدثين.

عند تفعيل توقيت الكلمات، تتضمن الاستجابة الكلمات التي جرى التعرف عليها مع إزاحات البداية والنهاية. تساعد هذه البيانات في تحديد موضع تصحيح داخل التسجيل أو إعداد التسميات التوضيحية. تشير الشركة المنتجة إلى أن تفعيل الطوابع الزمنية على مستوى الكلمات ينطوي على مفاضلة في الدقة. راجع النص والمحاذاة معًا، خصوصًا عند الكلام السريع أو التداخل أو المصطلحات غير المعتادة. يحتفظ التفريغ الموقّت المفيد بسجل الكلمات والصوت المصدر معًا، بدلًا من اعتبار سلاسة الجملة دليلًا على صحة محاذاتها.

يحدد تمييز المتحدثين الأصوات في التسجيل الصوتي ويضع لها تسميات، مع دعم موثق لما يصل إلى ثمانية متحدثين. تصف الشركة المنتجة إسناد الكلام عند وجود ثلاثة متحدثين أو أكثر بأنه تجريبي. تعامل مع التسميات بوصفها تجميعات مستنتجة للمتحدثين، وراجع الانتقالات بالرجوع إلى التسجيل. تسمية المتحدث ليست دليلًا مستقلًا على هوية الشخص أو دوره. وإذا احتاجت المهمة إلى أسماء، فاربط التسميات بمعلومات معروفة عن التسجيل بدلًا من اختلاق هويات من الكلمات التي جرى التعرف عليها.

يسرد جدول ميزات الشركة المنتجة نافذة مدتها 15 دقيقة للصوت المسجل، مع قصر معالجة الملف على تلك المدة عند تفعيل ميزات مثل الطوابع الزمنية أو تمييز المتحدثين. جهّز المواد المصدرية الأطول على شكل مقاطع مناسبة مع الحفاظ على ترتيبها وموضعها الزمني الأصلي. التفريغ النصي والكلمات الموقّتة والأجزاء المسماة بحسب المتحدثين تمثيلات مختلفة للنتيجة؛ احتفظ بالتمثيل الذي تحتاجه المهمة. وينبغي ألا تُستبدل هذه الحدود الخاصة بالصوت بأرقام السياق أو المدة الخاصة بنموذج Gemini عام متعدد الوسائط. تسرد Google تنسيق SMART والطوابع الزمنية على مستوى الكلمات وتمييز المتحدثين بوصفها ميزات تجريبية.

عقد المخرجات مخصص للتفريغ النصي. ينشئ تنسيق SMART نصًا سهل القراءة، لكنه لا يضيف عقد استجابة عامًا قائمًا على مخطط JSON، ولا قدرة على استدعاء الأدوات، ولا مسار عمل مساعدًا يتبع التعليمات. في المادة النهائية، تحقق من الصياغات والأرقام وأدوات النفي المهمة بالرجوع إلى الصوت، واحتفظ بأي مقطع لم يُحسم لتصحيحه، وسجّل الوضع المختار مع النتيجة. ويوضح ذلك ما إذا كان الناتج يسجل الصياغة المنطوقة الأصلية أم يقدم نسخة محررة للقراءة مشتقة منها.

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions google/gemini-3.5-transcribe

google/gemini-3.5-transcribe

Google /google/gemini-3.5-transcribe

البداية

المدخلات المقبولة: الصوت
النتائج: النص

متاح في Ailoot · المدخلات والطرائق

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions

الإدخال: audio
الإخراج: text

الحقل	النوع	المتطلب	القيم والحدود	القيمة الافتراضية
الحقل`model`	النوع`string`	المتطلبمطلوب	القيم والحدود google/gemini-3.5-transcribe	القيمة الافتراضية—
الحقل`input_audio`	النوع`object`	المتطلبمطلوب	القيم والحدود	القيمة الافتراضية—
الحقل`language`	النوع`string`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—
الحقل`temperature`	النوع`number`	المتطلباختياري	القيم والحدود الحد الأدنى: ⁦0⁩ الحد الأقصى: ⁦1⁩	القيمة الافتراضية—
الحقل`response_format`	النوع`string`	المتطلباختياري	القيم والحدود json, verbose_json	القيمة الافتراضيةjson
الحقل`timestamp_granularities`	النوع`array`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—
الحقل`provider`	النوع`object`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—

معلمات الطريقة ودورة حياتها

المعلمة	المواصفات
المعلمة`content_type`	المواصفاتapplication/json
المعلمة`required`	المواصفاتmodel, input_audio
المعلمة`material_types`	المواصفاتaudio
المعلمة`material_conditions`	المواصفاتاقرأ ملف WAV فعلياً ورمّز بايتاته الحقيقية لإدخال input_audio المُعلَن بصيغة JSON؛ ولا يُعرَض مسار multipart لهذا التعريف المحدد الذي يدعم JSON فقط.

دورة الحياة: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · قيمة task_id الفعلية المُعادة أو سجل مكتبة الوسائط

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

الباقات

كيفية احتساب الرسوم النهائية

تقدّر التعرفات المعروضة التكلفة قبل التوليد. تُحسب الرسوم النهائية من التكلفة المسجّلة لعملية التوليد الأصلية. مدة المخرجات المقاسة والكميات المتوقعة ليست الكمية النهائية الخاضعة للفوترة.

مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.

الوضع السريع: غير محدد عند اختيار الوضع السريع
الوضع المرن: غير محدد عند اختيار وضع flex
أقصى جهد للاستدلال: غير محدد عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال

تعرفات تقديرية للمقارنة

الأسعار حسب الإعدادات

طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.

الإعدادات	جدول التعرفة	الكمية المتوقعة	وحدة الفوترة	الرسوم
الإعداداتالتعرفات الأساسية للرموز	جدول التعرفةالتعرفة الأساسية	الكمية المتوقعة—	وحدة الفوترة—	الرسوم الإدخال · رموز الإدخال · تقدير للمقارنة فقط — / 1K من الرموز الإخراج · رموز الإخراج · تقدير للمقارنة فقط — / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت · تقدير للمقارنة فقط — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت · تقدير للمقارنة فقط — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة · تقدير للمقارنة فقط — / 1K من الرموز
الإعداداترمز إدخال	جدول التعرفة—	الكمية المتوقعة—	وحدة الفوترة/ 1K من الرموز	الرسوم الإدخال · تقدير للمقارنة فقط $0.004 / 1K من الرموز
الإعداداترمز إخراج	جدول التعرفة—	الكمية المتوقعة—	وحدة الفوترة/ 1K من الرموز	الرسوم الإخراج · تقدير للمقارنة فقط $0.024 / 1K من الرموز
الإعداداتتكلفة التوليد التقديرية	جدول التعرفة—	الكمية المتوقعةتقدير لتوليد واحد	وحدة الفوترة—	الرسوم الإخراج · تكلفة التوليد التقديرية · تقدير للمقارنة فقط $1.179648 تقدير قبل الإنشاء هذا التقدير ليس رسومًا إضافية ولا تعرفة ثابتة لعملية التوليد المكتملة.

تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →

أمثلة للطلبات

Ailoot Ultra · تفريغ صوتي

curl · جسم الطلب بالصيغة الأصلية دون تغيير والنتيجة كاملة

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'google/gemini-3.5-transcribe', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}
request['input_audio']['data']=base64.b64encode(audio).decode('ascii')
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.

استلام النتائج وحفظها

Ailoot Ultra · تفريغ صوتي

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

عمليات أخرى لقراءة المحتوى

قراءة الأصول الموجودة المملوكة لك

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.

الاحتفاظ بكل النتائج المكتملة

احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.

احتفظ بالاستجابة كاملة وبجميع الترويسات، وبكل مخرج فعلي، وبالمعرّفات الأصلية المُعادة، وبجميع حقول الاستخدام. استعد العملية الأصلية دون إرسال طلب الإنشاء مجددًا.

عند الحاجة إلى التحقق من الاستجابة الأصلية

احتفظ بقيمة X-Client-Request-ID المُعادة للمطابقة. اقرأ فقط قيم task_id/asset_id الفعلية المُعادة أو مكتبة الوسائط المملوكة لك؛ ولا تنشئ عنوان URL لمهمة من معرّف العملية، ولا تُعِد إرسال طلب الإنشاء مطلقًا.

حقول الاستجابة

الحقل	النوع
الحقل`text`	النوع
الحقل`usage`	النوع
الحقل`segments[]`	النوع
الحقل`words[]`	النوع
الحقل`speaker fields`	النوع
الحقل`timestamps`	النوع

الأسماء البديلة

الأسماء البديلة للنموذج

Ailoot Ultra google/gemini-3.5-transcribe

الأسماء البديلة لمسارات الطرائق

استخدم مسارات الطرائق المعروضة أعلاه.

معرّفات النماذج ذات الصلة IDs

google/gemini-3.5-transcribe

FAQ · Google: Gemini 3.5 Transcribe

ما المدخلات والنتائج المتاحة؟: POST /v1/audio/transcriptions · google/gemini-3.5-transcribe: audio → text
ما الحقول التي يستخدمها الطلب؟: POST /v1/audio/transcriptions · google/gemini-3.5-transcribe: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
ما الحدود المطبقة؟: POST /v1/audio/transcriptions · google/gemini-3.5-transcribe: temperature.minimum: 0; temperature.maximum: 1

Google: Gemini 3.5 Transcribe