Gemini 3.5 Transcribe

Model Google untuk pengenalan ucapan, deteksi bahasa, pemisahan pembicara, dan penanda waktu kata.

Ailoot · Suara ke teks POST /v1/audio/transcriptions gemini-3.5-transcribe

Tentang model

Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.

Gemini 3.5 Transcribe mengubah berkas audio menjadi teks. Selain transkripsi, model mendukung deteksi bahasa, identifikasi pembicara, penanda waktu setiap kata, kosakata khusus, dan penyiapan teks cerdas.

Bahasa dan durasi

Model mendukung lebih dari 85 bahasa, termasuk bahasa Rusia, serta pergantian bahasa dalam rekaman. Bahasa dideteksi secara otomatis. Permintaan biasa memproses audio berdurasi hingga satu jam. Dengan pemisahan pembicara atau penanda waktu kata yang diaktifkan, batas berkurang menjadi 30 menit.

Keluaran mencakup teks transkripsi lengkap dan, untuk mode terkait, anotasi kata tersendiri. Model ditujukan untuk pemrosesan berkas; pengenalan berkelanjutan secara real time merupakan bagian dari versi tersendiri gemini-3.5-transcribe-live.

Mode transkripsi

Secara default, transkripsi kata demi kata digunakan. Mode cerdas menghapus kata pengisi, mempertimbangkan koreksi ucapan oleh pembicara sendiri, dan memformat teks. Mode ini tidak dapat digabungkan dengan pemisahan pembicara dan penanda waktu kata.

Pemisahan ucapan mendukung hingga delapan pembicara. Penentuan siapa yang mengucapkan suatu giliran untuk tiga pembicara atau lebih memiliki status eksperimental. Penanda waktu membantu menghubungkan teks dengan rekaman, tetapi pengaktifannya dapat mengurangi akurasi pengenalan.

Istilah dan berkas

Kosakata istilah pengguna dapat memuat hingga 1 000 entri; Google mencatat bahwa biasanya lebih baik membatasinya pada sekitar seratus. Kosakata ini tidak kompatibel dengan pemisahan pembicara dan penanda waktu kata. Karena itu, pemilihan mode perlu mempertimbangkan prioritas: istilah khusus atau anotasi peserta dan waktu yang terperinci.

Format audio yang didukung mencakup WAV, MP3, AIFF, AAC, OGG, FLAC, MPEG, M4A, L16, Opus, A-law, mu-law, dan WebM. Untuk pemrosesan berkas, batas durasi dan kombinasi mode dipublikasikan. Deskripsi keluarga Transcribe juga menyebutkan konteks 96K token dan keluaran teks 32K token; karakteristik keluarga tersebut tidak menggantikan batas berkas pada metode yang dipilih.

Penyimpanan konteks dalam cache, eksekusi kode, pencarian berkas, pemanggilan fungsi, pembuatan gambar, dan Thinking tidak didukung. Spesialisasi model adalah memperoleh teks dan anotasi dari audio, bukan menghasilkan ucapan baru.

Ailoot · Suara ke teks POST /v1/audio/transcriptions gemini-3.5-transcribe

gemini-3.5-transcribe

Google /gemini-3.5-transcribe

Mulai

Model Google untuk pengenalan ucapan, deteksi bahasa, pemisahan pembicara, dan penanda waktu kata.

Masukan yang diterima: Audio
Hasil: Teks

Tersedia di Ailoot · masukan & metode

Ailoot · Suara ke teks POST /v1/audio/transcriptions

Masukan: audio
Keluaran: text
Format keluaran: json

Kolom	Jenis	Persyaratan	Nilai & batasan	Bawaan
Kolom`model`	Jenis`string`	PersyaratanWajib	Nilai & batasan gemini-3.5-transcribe	Bawaan—
Kolom`file`	Jenis`file`	PersyaratanWajib	Nilai & batasan Byte maksimum: 67.108.864 Format berkas: wav, mp3, m4a, ogg, webm, flac Jenis konten: multipart/form-data Durasi maksimum, detik: 600	Bawaan—
Kolom`response_format`	Jenis`string`	PersyaratanOpsional	Nilai & batasan json	Bawaan—

Kombinasi bahan masukan

speech_to_text · Wajib: actual audio file

Parameter metode dan siklus hidup

Parameter	Kontrak
Parameter`material_types`	Kontrakaudio
Parameter`required`	Kontraknull
Parameter`optional_controls`	Kontraknull

Siklus hidup: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id aktual yang dikembalikan atau catatan pustaka media

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Struktur metode dan ID bersifat eksak; kemampuan pemasok terpisah dari penerimaan permintaan.

Paket

Tarif metode Ailoot

Ailoot Suara ke teksPOST /v1/audio/transcriptions

Masukan: US$0,01 per menit dengan pembulatan durasi ke atas

Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →

Contoh permintaan

Ailoot · Suara ke teks

Contoh transkripsi

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

Terima dan simpan hasil

Ailoot · Suara ke teks

json

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

Simpan semua hasil yang selesai

Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.

Simpan JSON secara utuh, bukan hanya teks; pertahankan setiap segmen/pembicara/stempel waktu yang tersedia dan identitas tugas/aset aktual.

Jika respons asli perlu diperiksa

Simpan operation_id/X-Client-Request-ID asli untuk rekonsiliasi tanpa pengiriman ulang; tidak ada rute polling khusus audio.

Kolom respons

Kolom	Jenis
Kolom`text`	Jenisstring
Kolom`segments[]`	Jenisobject
Kolom`task_id`	Jenisstring
Kolom`asset_url`	Jenisstring
Kolom`usage`	Jenisobject

Kesalahan dan langkah berikutnya

Respons	Kondisi	Langkah berikutnya
Respons400 · `invalid_request_error`	KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid	Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru.
Respons`server_error`	KondisiRespons yang dikembalikan menyatakan bahwa operasi atau hasil perlu diperiksa	Langkah berikutnyaSimpan ID operasi/tugas asli yang dikembalikan, header permintaan, dan respons; lanjutkan pembacaan yang didukung untuk operasi asli tersebut. Jangan kirim ulang permintaan pembuatan.

Alias

Alias model

Ailoot gemini-3.5-transcribe

Alias jalur metode

Gunakan jalur metode yang ditampilkan di atas.

ID pemanggil terkait

gemini-3.5-transcribe

FAQ · Gemini 3.5 Transcribe

Input dan hasil apa yang tersedia?: POST /v1/audio/transcriptions · gemini-3.5-transcribe: audio → text
Kolom apa yang digunakan permintaan?: POST /v1/audio/transcriptions · gemini-3.5-transcribe: model, file, response_format

Gemini 3.5 Transcribe