Source: https://ailoot.ai/models/es-mx/gemini-3-5-transcribe/ Canonical: https://ailoot.ai/models/es-mx/gemini-3-5-transcribe/ Language: es-mx # Gemini 3.5 Transcribe [Markdown](https://ailoot.ai/models/es-mx/gemini-3-5-transcribe/index.md) · [JSON](https://ailoot.ai/models/es-mx/gemini-3-5-transcribe/facts.json) ## [Gemini 3.5 Transcribe](https://ailoot.ai/models/es-mx/gemini-3-5-transcribe/) Modelo de Google para reconocer voz, detectar el idioma, separar hablantes y generar marcas de tiempo por palabra. - [**Ailoot · Voz a texto** `POST /v1/audio/transcriptions` `gemini-3.5-transcribe`](https://ailoot.ai/models/es-mx/gemini-3-5-transcribe/#method-0) Sobre el modelo Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado. Gemini 3.5 Transcribe convierte un archivo de audio en texto. Además de la transcripción, admite detección de idioma, identificación de hablantes, marcas de tiempo por palabra, vocabulario personalizado y preparación inteligente del texto. #### Idiomas y duración Se admiten **más de 85 idiomas**, incluido el ruso, y cambios de idioma dentro de una grabación. La detección es automática. Una solicitud normal procesa hasta **una hora** de audio. Con separación de hablantes o marcas de tiempo por palabra, el límite se reduce a **30 minutos**. La salida incluye el texto completo y, en los modos correspondientes, anotaciones independientes de palabras. El modelo procesa archivos; el reconocimiento continuo en tiempo real corresponde a la versión independiente `gemini-3.5-transcribe-live`. #### Modos de transcripción Por defecto se utiliza transcripción literal. El modo inteligente elimina muletillas, tiene en cuenta las autocorrecciones del hablante y da formato al texto. No se puede combinar con separación de hablantes ni marcas de tiempo por palabra. Se admite separar **hasta ocho hablantes**. Identificar quién ha hablado con tres o más participantes tiene **estado experimental**. Las marcas de tiempo relacionan texto y grabación, pero activarlas puede reducir la precisión del reconocimiento. #### Términos y archivos El vocabulario personalizado admite **hasta 1 000 entradas**; Google señala que normalmente conviene limitarlo a alrededor de un centenar. Es incompatible con separación de hablantes y marcas de tiempo por palabra. La elección del modo debe considerar qué importa más: términos especializados o anotaciones detalladas de participantes y tiempos. Los formatos de audio admitidos incluyen WAV, MP3, AIFF, AAC, OGG, FLAC, MPEG, M4A, L16, Opus, A-law, mu-law y WebM. Para archivos se publican límites de duración y combinaciones de modos. La descripción de la familia Transcribe también indica **96K tokens de contexto** y **32K tokens de salida**; estas características de la familia no sustituyen los límites del archivo en el método elegido. No se admiten caché de contexto, ejecución de código, búsqueda en archivos, llamadas a funciones, creación de imágenes ni Thinking. Su especialidad es obtener texto y anotaciones a partir de audio, no generar una voz nueva. **Ailoot · Voz a texto** `POST /v1/audio/transcriptions` `gemini-3.5-transcribe` [`gemini-3.5-transcribe`](https://ailoot.ai/models/es-mx/#m=gemini-3.5-transcribe&route=Core&caller=gemini-3.5-transcribe&fmt=transcriptions) Google /`gemini-3.5-transcribe` ### Inicio Modelo de Google para reconocer voz, detectar el idioma, separar hablantes y generar marcas de tiempo por palabra. Entradas aceptadas Audio Resultados Texto ### Disponible en Ailoot · entradas y métodos **Ailoot · Voz a texto** `POST /v1/audio/transcriptions` Entrada `audio` Salida `text` Formato de salida json | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites gemini-3.5-transcribe | Predeterminado— | | Campo`file` | Tipo`file` | RequisitoObligatorio | Valores y límites Máximo de bytes: 67,108,864 Formatos de archivo: wav, mp3, m4a, ogg, webm, flac Tipo de contenido: multipart/form-data Duración máxima, segundos: 600 | Predeterminado— | | Campo`response_format` | Tipo`string` | RequisitoOpcional | Valores y límites json | Predeterminado— | Combinaciones de materiales de entrada **speech\_to\_text** · Obligatorio: actual audio file Parámetros del método y ciclo de vida | Parámetro | Contrato | | --- | --- | | Parámetro`material_types` | Contratoaudio | | Parámetro`required` | Contratonull | | Parámetro`optional_controls` | Contratonull | Ciclo de vida: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · El task\_id real devuelto o el registro de la biblioteca multimedia `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Las estructuras e ID de los métodos son exactos; la capacidad del proveedor y la admisión son conceptos distintos. ### Tarifas #### Tarifas de métodos Ailoot Entrada USD 0.01 *por cada minuto iniciado* Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es-mx/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot · Voz a texto Ejemplo de transcripción ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set your actual MP3 recording}" export AILOOT_AUDIO_FILE python3 - <<'PY_REQUEST' import os from pathlib import Path f=Path(os.environ["AILOOT_AUDIO_FILE"]) if not f.is_file() or f.suffix.lower()!=".mp3":raise SystemExit("Choose your actual MP3 recording") PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" \ --form-string model=gemini-3.5-transcribe -F "file=@$AILOOT_AUDIO_FILE" \ -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2)) PY_RESULT ``` ### Recibir y guardar resultados #### Ailoot · Voz a texto json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Conserva todos los resultados completados Conserva todas las respuestas, archivos y partes de contenido completos recibidos. Conserva el JSON completo, no solo el texto; conserva cada segmento, hablante y marca de tiempo disponible, así como la identidad real de tarea y recurso. ##### Si es necesario revisar la respuesta original Conserva el operation\_id/X-Client-Request-ID original para la conciliación sin volver a enviar la solicitud; no hay una ruta específica para consultar el estado del audio. Campos de respuesta | Campo | Tipo | | --- | --- | | Campo`text` | Tipostring | | Campo`segments[]` | Tipoobject | | Campo`task_id` | Tipostring | | Campo`asset_url` | Tipostring | | Campo`usage` | Tipoobject | Errores y siguientes pasos | Respuesta | Condición | Siguiente paso | | --- | --- | --- | | Respuesta400 · `invalid_request_error` | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. | | Respuesta`server_error` | CondiciónLa respuesta devuelta indica que la operación o el resultado requiere una revisión | Siguiente pasoConserva el ID original de operación o tarea devuelto, los encabezados de la solicitud y la respuesta; continúa con las consultas admitidas de esa operación original. No vuelvas a enviar la solicitud de creación. | ### Alias #### Alias del modelo **Ailoot** [`gemini-3.5-transcribe`](https://ailoot.ai/models/es-mx/#m=gemini-3.5-transcribe&route=Core&caller=gemini-3.5-transcribe&fmt=transcriptions) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`gemini-3.5-transcribe`](https://ailoot.ai/models/es-mx/#m=gemini-3.5-transcribe&route=Core&caller=gemini-3.5-transcribe&fmt=transcriptions) FAQ · Gemini 3.5 Transcribe ¿Qué entradas y resultados están disponibles? `POST /v1/audio/transcriptions` · `gemini-3.5-transcribe`: `audio` → `text` ¿Qué campos utiliza la solicitud? `POST /v1/audio/transcriptions` · `gemini-3.5-transcribe`: `model`, `file`, `response_format` Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación. ## La empresa y su cartera de proyectos La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. ## Compra tokens con descuento. Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens. Suscripción Elige un plan con descuento para tus peticiones habituales. Código de hasta el 50% Introduce el código al comprar. El precio se recalcula según la promoción vigente. Gasto en el historial Modelo, tokens e importe quedan guardados por cada petición. [Elegir suscripción](https://ailoot.ai/docs/es-mx/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es-mx/) ## Conecta la API al producto que vendes. SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso. Aplicación comercial Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio. Licencia para revendedores Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa. Documentos en la web La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar. [Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es-mx) ## Ailoot · La empresa y su cartera de proyectos Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI. La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.