Source: https://ailoot.ai/models/hu/google-gemini-3-5-transcribe/ Canonical: https://ailoot.ai/models/hu/google-gemini-3-5-transcribe/ Language: hu # Google: Gemini 3.5 Transcribe [Markdown](https://ailoot.ai/models/hu/google-gemini-3-5-transcribe/index.md) · [JSON](https://ailoot.ai/models/hu/google-gemini-3-5-transcribe/facts.json) ## [Google: Gemini 3.5 Transcribe](https://ailoot.ai/models/hu/google-gemini-3-5-transcribe/) A Google Gemini 3.5 Transcribe felvett beszédet alakít szöveggé automatikus nyelvfelismeréssel, egyéni szókészlettel, valamint választható szóidőzítéssel vagy beszélők szerinti szegmentálással. Időzítéshez és beszélő-hozzárendeléshez válassza a VERBATIM módot, olvasható diktáláshoz a SMART módot; a SMART nem kombinálható ezzel a két funkcióval. - [**Ailoot Ultra · Hang átírása** `POST /v1/audio/transcriptions` `google/gemini-3.5-transcribe`](https://ailoot.ai/models/hu/google-gemini-3-5-transcribe/#method-0) A modellről Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók. A Google Gemini 3.5 Transcribe szinkron modell teljes, előre felvett hangfájlok írott szöveggé alakításához. A Gemini hangmegértési képességeire épül, de átírásspecifikus bemeneti és kimeneti követelményekkel rendelkezik. A külön Gemini 3.5 Transcribe Live kiadás hangfolyamot fogad és fokozatos eredményeket ad vissza. Ez a felvett hanghoz készült modell teljes átiratot készít, a kiválasztott konfigurációtól függően választható szóidőzítéssel vagy beszélő-hozzárendeléssel. Készítsen elő tiszta felvételt, amelyben a beszéd nem torzul erős túlvezérlés miatt, és ahol lehetséges, a hangok érdemben elkülönülnek. A fejlesztő szinkron példái WAV-hangot adnak át fájlbájtokként vagy tárolt hanganyagként, megadott MIME-típussal. Tartsa elérhetően az eredeti hangot az ellenőrzéshez. A kívánt eredmény lehet ellenőrzött interjúátirat, feliratillesztési rekord vagy olvasható diktált szöveg; a szövegezést módosító vagy metaadatokat hozzáadó funkciók kombinálása előtt döntse el, milyen eredményre van szükség. A Google több mint 85 nyelven dokumentál automatikus nyelvfelismerést, beleértve a munkameneten belüli nyelvkeverést. A nyelvi támogatás szintje eltérő, és az ismert nyelvre adott jelzés javíthatja a felismerést. Az egyéni szókészlet olyan különleges neveket, márkákat vagy szakkifejezéseket ad meg, amelyek várhatóan előfordulnak. A fejlesztő legfeljebb 1 000 kifejezést engedélyez, és megjegyzi, hogy rendszerint a legfeljebb körülbelül 100 elemes, célzott listák működnek a legjobban. A szokatlan kifejezések legyenek relevánsak a felvételhez, és ellenőrizze őket a hang alapján, ne feltételezze, hogy a szókészleti jelzés bizonyítja a kifejezés elhangzását. A VERBATIM az alapértelmezett mód. Megőrzi a töltelékszavakat, ismétléseket, félbehagyott kezdéseket és kimondott javításokat, így a szöveg az elhangzott megfogalmazás feljegyzése marad. Ezt a módot használja, ha a feladat szószintű időbélyegeket vagy beszélők szerinti szegmentálást igényel. Interjúnál például őrizze meg az eredeti megszólalásokat és időzítéseket, majd a releváns részlet meghallgatásával javítsa a fontos neveket és mennyiségeket. Egy későbbi összefoglaló vagy szerkesztett cikk használhatja ezt az ellenőrzött rekordot anélkül, hogy észrevétlenül lecserélné, amit a beszélő mondott. A SMART mód olvasható diktáláshoz készült. Eltávolítja a beszédakadásokat, feloldja a menet közbeni önjavításokat, és bekezdésekbe vagy listákba rendezi az elhangzott anyagot, ahol indokolt, normalizált dátumokkal és számokkal. Egy diktált feladatlista így olvasható listává válhat a kimondott átvezetéseket soroló szöveg helyett. Ez a feldolgozás megváltoztatja az átirat formáját. A Google kifejezetten kimondja, hogy a SMART nem kompatibilis a szóidőbélyegekkel és a beszélők szerinti szegmentálással, ezért akkor válassza, ha olvasható szöveg a szükséges eredmény, ne próbálja időzített, beszélőkhöz rendelt rekordként használni. Ha engedélyezett a szóidőzítés, a válasz a felismert szavakat kezdő és záró időeltolással tartalmazza. Ezek segítenek megtalálni a javítandó részt a felvételben vagy feliratokat előkészíteni. A fejlesztő pontossági kompromisszumot jelez a szószintű időbélyegek engedélyezésénél. Ellenőrizze a szöveget és az illesztést is, különösen gyors beszéd, átfedés vagy szokatlan terminológia környékén. Hasznos időzített átirat az, amely együtt őrzi meg a szavak rekordját és a forráshangot, nem tekint egy gördülékeny mondatot a helyes illesztés bizonyítékának. A beszélők szerinti szegmentálás azonosítja és címkézi a felvett hangban szereplő hangokat; a dokumentáció legfeljebb nyolc beszélőt ad meg. Három vagy több beszélő hozzárendelését a fejlesztő kísérletinek írja le. A címkéket kikövetkeztetett beszélőcsoportokként kezelje, és a váltásokat ellenőrizze a felvétel alapján. Egy beszélőcímke nem független bizonyíték egy személy kilétére vagy szerepére. Ha a feladathoz nevek kellenek, a címkéket az ismert felvételi információhoz rendelje, ne találjon ki személyazonosságot a felismert szavakból. A fejlesztő funkciótáblázata 15 perces időablakot ad meg felvett hanghoz; a fájlfeldolgozás erre az időtartamra korlátozódik, ha olyan funkciók engedélyezettek, mint az időbélyegek vagy a beszélők szerinti szegmentálás. A hosszabb forrásanyagot megfelelő szegmensekként készítse elő, megőrizve sorrendjüket és eredeti időbeli helyüket. A modell átirata, időzített szavai és beszélőcímkés részei eltérő eredményreprezentációk; a feladathoz szükségeset őrizze meg. Ezeket a hangspecifikus korlátokat nem szabad egy általános Gemini multimodális modell kontextus- vagy időtartamértékeivel helyettesíteni. A Google a SMART-formázást, a szószintű időbélyegeket és a beszélők szerinti szegmentálást kísérleti funkcióként sorolja fel. A kimeneti szerződés átírásspecifikus. A SMART-formázás olvasható szöveget készít, de nem ad hozzá általános JSON-sémájú válaszszerződést, eszközhívási képességet vagy utasításkövető asszisztens-munkafolyamatot. A végső eredménynél ellenőrizze a fontos megfogalmazásokat, számokat és tagadásokat a hang alapján, őrizzen meg minden bizonytalan szegmenst javításhoz, és a kiválasztott módot is tartsa meg az eredménnyel együtt. Így világos marad, hogy az eredmény az eredeti kimondott megfogalmazást rögzíti-e, vagy abból származtatott, szerkesztett olvasási változatot mutat be. **Ailoot Ultra · Hang átírása** `POST /v1/audio/transcriptions` `google/gemini-3.5-transcribe` [`google/gemini-3.5-transcribe`](https://ailoot.ai/models/hu/#m=google%2Fgemini-3.5-transcribe&route=Ultra&caller=google%2Fgemini-3.5-transcribe&fmt=transcriptions) Google /`google/gemini-3.5-transcribe` ### Kezdő lépések A Google Gemini 3.5 Transcribe felvett beszédet alakít szöveggé automatikus nyelvfelismeréssel, egyéni szókészlettel, valamint választható szóidőzítéssel vagy beszélők szerinti szegmentálással. Időzítéshez és beszélő-hozzárendeléshez válassza a VERBATIM módot, olvasható diktáláshoz a SMART módot; a SMART nem kombinálható ezzel a két funkcióval. Elfogadott bemenetek Hang Eredmények Szöveg ### Elérhető az Ailootban · bemenetek és metódusok **Ailoot Ultra · Hang átírása** `POST /v1/audio/transcriptions` Bemenet `audio` Kimenet `text` | Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett | | --- | --- | --- | --- | --- | | Mező`model` | Típus`string` | KövetelményKötelező | Értékek és korlátok google/gemini-3.5-transcribe | Alapértelmezett— | | Mező`input_audio` | Típus`object` | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— | | Mező`language` | Típus`string` | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— | | Mező`temperature` | Típus`number` | KövetelményOpcionális | Értékek és korlátok Minimum: 0 Maximum: 1 | Alapértelmezett— | | Mező`response_format` | Típus`string` | KövetelményOpcionális | Értékek és korlátok json, verbose\_json | Alapértelmezettjson | | Mező`timestamp_granularities` | Típus`array` | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— | | Mező`provider` | Típus`object` | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— | Metódus paraméterei és életciklusa | Paraméter | Szerződés | | --- | --- | | Paraméter`content_type` | Szerződésapplication/json | | Paraméter`required` | Szerződésmodel, input\_audio | | Paraméter`material_types` | Szerződésaudio | | Paraméter`material_conditions` | SzerződésOlvasson be tényleges WAV-fájlt, és kódolja a valós bájtjait a deklarált JSON input\_audio bemenethez; ehhez a pontosan csak JSON-t engedő deklarációhoz nem hirdetünk multipart útvonalat. | Életciklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · A ténylegesen visszaadott task\_id vagy a médiatár bejegyzése `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Díjcsomagok ##### A végső díj számítása A megjelenített díjtételek a generálás előtti költségbecsléshez szolgálnak. A végleges díj az eredeti generáláshoz rögzített költségből számítódik. A kimenet mért időtartama és az előre jelzett mennyiségek nem azonosak a véglegesen elszámolandó mennyiséggel. A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek. Gyors mód Nincs megadva Ha a gyors mód van kiválasztva Flex mód Nincs megadva Ha a flex mód van kiválasztva Maximális gondolkodási ráfordítás Nincs megadva Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik #### Becsült díjak összehasonlításhoz #### Árak beállításonként Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon. | Beállítás | Díjtáblázat | Előre jelzett mennyiség | Elszámolási egység | Díj | | --- | --- | --- | --- | --- | | BeállításTokenek alapdíjai | DíjtáblázatAlapdíj | Előre jelzett mennyiség— | Elszámolási egység— | Díj Bemenet · Bemeneti tokenek · Becslés, csak összehasonlításra **—** / 1K token Kimenet · Kimeneti tokenek · Becslés, csak összehasonlításra **—** / 1K token Bemenet · Gyorsítótár olvasása · Becslés, csak összehasonlításra **—** / 1K token Bemenet · Írás a gyorsítótárba · Becslés, csak összehasonlításra **—** / 1K token Bemenet · Írás a gyorsítótárba, 1 óra · Becslés, csak összehasonlításra **—** / 1K token | | Beállításbemeneti token | Díjtáblázat— | Előre jelzett mennyiség— | Elszámolási egység/ 1K token | Díj Bemenet · Becslés, csak összehasonlításra **$0.004** / 1K token | | Beállításkimeneti token | Díjtáblázat— | Előre jelzett mennyiség— | Elszámolási egység/ 1K token | Díj Kimenet · Becslés, csak összehasonlításra **$0.024** / 1K token | | BeállításA generálás becsült költsége | Díjtáblázat— | Előre jelzett mennyiségbecslés egy generálásra | Elszámolási egység— | Díj Kimenet · Becsült generálási költség · Becslés, csak összehasonlításra **$1.179648** becslés a generálás előtt Ez a becslés nem jelent további díjat, és nem rögzített díjszabás az elkészült generálásra. | Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. [A foglalás és az elszámolás működése →](https://ailoot.ai/docs/hu/billing/reserve/) ### Példakérések #### Ailoot Ultra · Hang átírása curl · pontos natív kéréstörzs és teljes eredmény ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Eredmények fogadása és mentése #### Ailoot Ultra · Hang átírása - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` További tartalomlekérések A meglévő, Önhöz tartozó médiafájlok lekérése ```bash set -eu : "${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. ``` ##### Őrizzen meg minden elkészült eredményt Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt. Őrizze meg a teljes választ és a fejléceket, minden tényleges kimenetet, az eredetileg visszaadott azonosítókat és az összes használati adatmezőt. Az eredeti műveletet állítsa helyre, a létrehozási kérés újbóli beküldése nélkül. ##### Ha az eredeti választ ellenőrizni kell Őrizze meg a visszaadott X-Client-Request-ID értéket az egyeztetéshez. Csak a ténylegesen visszaadott task\_id/asset\_id értékekkel kérdezzen le, vagy használja a saját médiatárat; soha ne állítson össze feladat-URL-t a műveletazonosítóból, és soha ne küldje be újra a létrehozási kérést. Válaszmezők | Mező | Típus | | --- | --- | | Mező`text` | Típus | | Mező`usage` | Típus | | Mező`segments[]` | Típus | | Mező`words[]` | Típus | | Mező`speaker fields` | Típus | | Mező`timestamps` | Típus | ### Álnevek #### Modell álnevei **Ailoot Ultra** [`google/gemini-3.5-transcribe`](https://ailoot.ai/models/hu/#m=google%2Fgemini-3.5-transcribe&route=Ultra&caller=google%2Fgemini-3.5-transcribe&fmt=transcriptions) #### Metódusútvonalak álnevei Használja a fent látható metódusútvonalakat. #### Kapcsolódó modellazonosítók [`google/gemini-3.5-transcribe`](https://ailoot.ai/models/hu/#m=google%2Fgemini-3.5-transcribe&route=Ultra&caller=google%2Fgemini-3.5-transcribe&fmt=transcriptions) FAQ · Google: Gemini 3.5 Transcribe Milyen bemenetek és eredmények érhetők el? `POST /v1/audio/transcriptions` · `google/gemini-3.5-transcribe`: `audio` → `text` Mely mezőket használja a kérés? `POST /v1/audio/transcriptions` · `google/gemini-3.5-transcribe`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Milyen korlátok érvényesek? `POST /v1/audio/transcriptions` · `google/gemini-3.5-transcribe`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Csatlakoztassa az Ailootot a Claude Code-hoz, OpenCode-hoz, Hermeshez vagy saját alkalmazásához. ## A vállalat és projektportfóliója A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. ## Vásároljon tokeneket kedvezménnyel. Előfizetési kedvezmény rendszeres munkához. Promókódok — akár 50% tokenvásárlási kedvezmény. Előfizetés Válasszon kedvezményes tarifát a rendszeres kéréseihez. Promókód akár 50%-ig Vásárláskor adja meg a kódot. Az ár az érvényes akció szerint újraszámolódik. Költségek az előzményekben Minden kéréshez megmarad a modell, a tokenek és az összeg. [Előfizetés kiválasztása](https://ailoot.ai/docs/hu/billing/subscriptions/) · [Modellárak megtekintése](https://ailoot.ai/models/hu/) ## Csatlakoztassa az API-t az értékesített termékéhez. SaaS, alkalmazások és botok — az Ailoot ajánlati feltételei és licencszerződése alapján. Viszonteladáshoz kérjen viszonteladói licencet. Kereskedelmi alkalmazás Építsen szöveg-, kép-, videó- és hanggenerálást szolgáltatása fizetős funkcióiba. Viszonteladói licenc Küldje el a projekt leírását és a hozzáférés módját. Kérjen írásos használati és viszonteladási feltételeket. Dokumentumok a weboldalon Az ajánlati feltételek, licencszerződés és adatkezelési szabályzat már a csatlakoztatás előtt elérhető. [Viszonteladói licenc kérése](mailto:support@ailoot.ai) · [Ajánlati feltételek és licencszerződés](https://ailoot.ai/legal/offer?lang=hu) ## Ailoot · A vállalat és projektportfóliója Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít. A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.