Source: https://ailoot.ai/models/it/google-gemini-3-5-transcribe/ Canonical: https://ailoot.ai/models/it/google-gemini-3-5-transcribe/ Language: it # Google: Gemini 3.5 Transcribe [Markdown](https://ailoot.ai/models/it/google-gemini-3-5-transcribe/index.md) · [JSON](https://ailoot.ai/models/it/google-gemini-3-5-transcribe/facts.json) ## [Google: Gemini 3.5 Transcribe](https://ailoot.ai/models/it/google-gemini-3-5-transcribe/) Google Gemini 3.5 Transcribe converte il parlato registrato in testo con rilevamento automatico della lingua, vocabolario personalizzato e, facoltativamente, tempi delle parole o diarizzazione dei parlanti. Scegli VERBATIM per tempi e attribuzione ai parlanti oppure SMART per una dettatura leggibile; SMART non può essere combinato con queste due funzionalità. - [**Ailoot Ultra · Trascrizione** `POST /v1/audio/transcriptions` `google/gemini-3.5-transcribe`](https://ailoot.ai/models/it/google-gemini-3-5-transcribe/#method-0) Informazioni sul modello Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito. Google Gemini 3.5 Transcribe è il modello sincrono per convertire file audio completi, preregistrati, in parlato scritto. Si basa sulle capacità di comprensione audio di Gemini, ma ha un contratto di input e output specifico per la trascrizione. L'edizione separata Gemini 3.5 Transcribe Live riceve un flusso audio e restituisce risultati incrementali. Questo modello per audio registrato produce una trascrizione completa, con tempi delle parole o attribuzione ai parlanti facoltativi a seconda della configurazione selezionata. Prepara una registrazione chiara, con parlato non gravemente saturato e, dove possibile, una separazione significativa tra le voci. Gli esempi sincroni del produttore passano audio WAV come byte del file o come risorsa audio memorizzata, specificandone il tipo MIME. Conserva l'audio originale per la verifica. Il risultato previsto potrebbe essere una trascrizione verificata di un'intervista, un record per l'allineamento dei sottotitoli o una dettatura leggibile; decidi quale artefatto serve prima di combinare funzionalità che modificano le parole o aggiungono metadati. Google documenta il rilevamento automatico della lingua in oltre 85 lingue, incluso il mescolamento di lingue all'interno di una sessione. I livelli di supporto linguistico variano, e un'indicazione della lingua nota può migliorare il riconoscimento. Il vocabolario personalizzato fornisce nomi distintivi, marchi o termini specialistici che probabilmente ricorrono. Il produttore consente fino a 1,000 termini e osserva che elenchi mirati fino a circa 100 tendono a funzionare meglio. Mantieni i termini poco comuni pertinenti alla registrazione e verificali rispetto all'audio, anziché presumere che un suggerimento di vocabolario dimostri che il termine sia stato pronunciato. VERBATIM è la modalità predefinita. Conserva intercalari, ripetizioni, false partenze e correzioni pronunciate, affinché il testo resti una registrazione delle parole usate. È la modalità da usare quando il compito richiede timestamp a livello di parola o diarizzazione dei parlanti. Per un'intervista, per esempio, conserva i turni e i tempi originali, poi correggi nomi e quantità importanti ascoltando il brano pertinente. Un riepilogo successivo o un articolo rifinito possono usare quel record verificato senza sostituire implicitamente ciò che il parlante ha detto. La modalità SMART è progettata per una dettatura leggibile. Rimuove le disfluenze, risolve le autocorrezioni in linea e struttura il materiale parlato in paragrafi o elenchi, normalizzando date e numeri dove appropriato. Un elenco di attività dettato può diventare un elenco leggibile anziché una sequenza di transizioni pronunciate. Questa elaborazione cambia la forma della trascrizione. Google afferma esplicitamente che SMART è incompatibile con timestamp delle parole e diarizzazione: sceglila quindi quando l'artefatto richiesto è un testo leggibile, anziché tentare di usarla come record temporizzato e attribuito ai parlanti. Quando i tempi delle parole sono abilitati, la risposta include le parole riconosciute con offset iniziali e finali. Questi aiutano a localizzare una correzione nella registrazione o a preparare sottotitoli. Il produttore segnala un compromesso in termini di accuratezza quando si abilitano timestamp a livello di parola. Controlla il testo oltre all'allineamento, soprattutto in presenza di parlato rapido, sovrapposizioni o terminologia insolita. Una trascrizione temporizzata utile conserva insieme il record delle parole e l'audio sorgente, anziché considerare una frase scorrevole come prova della correttezza del suo allineamento. La diarizzazione identifica ed etichetta le voci nell'audio registrato, con un massimo documentato di otto parlanti. Il produttore descrive come sperimentale l'attribuzione per tre o più parlanti. Considera le etichette come raggruppamenti di parlanti inferiti e controlla le transizioni rispetto alla registrazione. L'etichetta di un parlante non costituisce una prova indipendente dell'identità o del ruolo di una persona. Se il compito richiede nomi, associa le etichette alle informazioni note sulla registrazione, anziché inventare identità dalle parole riconosciute. La tabella delle funzionalità del produttore elenca una finestra di audio registrato di 15 minuti, con elaborazione dei file limitata a tale durata quando sono abilitate funzionalità come timestamp o diarizzazione. Prepara il materiale sorgente più lungo in segmenti adeguati, conservandone l'ordine e la posizione temporale originale. La trascrizione del modello, le parole temporizzate e le parti etichettate per parlante sono rappresentazioni diverse del risultato; conserva quella necessaria al compito. Questi limiti specifici dell'audio non devono essere sostituiti con valori di contesto o durata di un modello Gemini multimodale generalista. Google elenca formattazione SMART, timestamp a livello di parola e diarizzazione dei parlanti come funzionalità sperimentali. Il contratto di output è specifico per la trascrizione. La formattazione SMART crea testo leggibile, ma non aggiunge un contratto generale di risposta basato su JSON Schema, capacità di chiamata agli strumenti o un flusso di assistente che segue istruzioni. Per il risultato finale, verifica parole importanti, numeri e negazioni rispetto all'audio, conserva gli eventuali segmenti irrisolti per la correzione e mantieni la modalità selezionata insieme al risultato. Questo chiarisce se il risultato registra le parole originali pronunciate oppure presenta una versione di lettura rielaborata da esse. **Ailoot Ultra · Trascrizione** `POST /v1/audio/transcriptions` `google/gemini-3.5-transcribe` [`google/gemini-3.5-transcribe`](https://ailoot.ai/models/it/#m=google%2Fgemini-3.5-transcribe&route=Ultra&caller=google%2Fgemini-3.5-transcribe&fmt=transcriptions) Google /`google/gemini-3.5-transcribe` ### Introduzione Google Gemini 3.5 Transcribe converte il parlato registrato in testo con rilevamento automatico della lingua, vocabolario personalizzato e, facoltativamente, tempi delle parole o diarizzazione dei parlanti. Scegli VERBATIM per tempi e attribuzione ai parlanti oppure SMART per una dettatura leggibile; SMART non può essere combinato con queste due funzionalità. Input accettati Audio Risultati Testo ### Disponibile in Ailoot · input e metodi **Ailoot Ultra · Trascrizione** `POST /v1/audio/transcriptions` Tipi di input `audio` Tipi di output `text` | Campo | Tipo | Requisito | Valori e limiti | Predefinito | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObbligatorio | Valori e limiti google/gemini-3.5-transcribe | Predefinito— | | Campo`input_audio` | Tipo`object` | RequisitoObbligatorio | Valori e limiti | Predefinito— | | Campo`language` | Tipo`string` | RequisitoFacoltativo | Valori e limiti | Predefinito— | | Campo`temperature` | Tipo`number` | RequisitoFacoltativo | Valori e limiti Minimo: 0 Massimo: 1 | Predefinito— | | Campo`response_format` | Tipo`string` | RequisitoFacoltativo | Valori e limiti json, verbose\_json | Predefinitojson | | Campo`timestamp_granularities` | Tipo`array` | RequisitoFacoltativo | Valori e limiti | Predefinito— | | Campo`provider` | Tipo`object` | RequisitoFacoltativo | Valori e limiti | Predefinito— | Parametri e ciclo di vita del metodo | Parametro | Contratto | | --- | --- | | Parametro`content_type` | Contrattoapplication/json | | Parametro`required` | Contrattomodel, input\_audio | | Parametro`material_types` | Contrattoaudio | | Parametro`material_conditions` | ContrattoLeggi un file WAV reale e codifica i suoi byte effettivi per l'input JSON dichiarato input\_audio; per questa dichiarazione esatta che ammette solo JSON non viene proposta una rotta multipart. | Ciclo di vita: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · task\_id effettivamente restituito o record della libreria multimediale `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Tariffe ##### Calcolo del costo finale Le tariffe visualizzate stimano il costo prima della generazione. L'addebito finale viene calcolato in base al costo registrato per la generazione originale. La durata misurata dell'output e le quantità previste non costituiscono la quantità finale fatturabile. Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato. Modalità rapida Non specificato Quando è selezionata la modalità rapida Modalità flex Non specificato Quando è selezionata la modalità flex Sforzo massimo di ragionamento Non specificato Quando lo sforzo massimo di ragionamento usa l'adeguamento predefinito (default) #### Tariffe stimate per il confronto #### Prezzi per configurazione Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative. | Configurazione | Listino delle tariffe | Quantità prevista | Unità di fatturazione | Costo | | --- | --- | --- | --- | --- | | ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Quantità prevista— | Unità di fatturazione— | Costo Input · Token in input · Stima solo a fini di confronto **—** / 1K token Output · Token in output · Stima solo a fini di confronto **—** / 1K token Input · Lettura dalla cache · Stima solo a fini di confronto **—** / 1K token Input · Scrittura nella cache · Stima solo a fini di confronto **—** / 1K token Input · Scrittura nella cache, 1 ora · Stima solo a fini di confronto **—** / 1K token | | Configurazionetoken di input | Listino delle tariffe— | Quantità prevista— | Unità di fatturazione/ 1K token | Costo Input · Stima solo a fini di confronto **$0.004** / 1K token | | Configurazionetoken di output | Listino delle tariffe— | Quantità prevista— | Unità di fatturazione/ 1K token | Costo Output · Stima solo a fini di confronto **$0.024** / 1K token | | ConfigurazioneCosto stimato della generazione | Listino delle tariffe— | Quantità previstastima per una generazione | Unità di fatturazione— | Costo Output · Costo di generazione stimato · Stima solo a fini di confronto **$1.179648** stima prima della generazione Questa stima non è un addebito aggiuntivo né una tariffa fissa per la generazione completata. | Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. [Come funzionano la prenotazione e l’addebito finale →](https://ailoot.ai/docs/it/billing/reserve/) ### Esempi di richieste #### Ailoot Ultra · Trascrizione curl · corpo della richiesta nel formato nativo esatto e risultato completo ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Ricevi e salva i risultati #### Ailoot Ultra · Trascrizione - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Altre letture di contenuto Leggi le risorse esistenti di tua proprietà ```bash set -eu : "${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. ``` ##### Conserva tutti i risultati completati Conserva ogni risposta, file e parte di contenuto restituiti per intero. Conserva la risposta completa e gli header, ogni output effettivo, gli identificatori originali restituiti e tutti i campi di utilizzo. Recupera l'operazione originale senza inviare nuovamente la richiesta di creazione. ##### Se occorre verificare la risposta originale Conserva l'X-Client-Request-ID restituito per la riconciliazione. Leggi solo i valori task\_id/asset\_id effettivamente restituiti o la tua libreria multimediale; non costruire mai un URL del task a partire dall'ID dell'operazione e non reinviare mai la richiesta di creazione. Campi della risposta | Campo | Tipo | | --- | --- | | Campo`text` | Tipo | | Campo`usage` | Tipo | | Campo`segments[]` | Tipo | | Campo`words[]` | Tipo | | Campo`speaker fields` | Tipo | | Campo`timestamps` | Tipo | ### Alias #### Alias del modello **Ailoot Ultra** [`google/gemini-3.5-transcribe`](https://ailoot.ai/models/it/#m=google%2Fgemini-3.5-transcribe&route=Ultra&caller=google%2Fgemini-3.5-transcribe&fmt=transcriptions) #### Alias dei percorsi dei metodi Usa i percorsi dei metodi indicati sopra. #### ID di chiamata correlati [`google/gemini-3.5-transcribe`](https://ailoot.ai/models/it/#m=google%2Fgemini-3.5-transcribe&route=Ultra&caller=google%2Fgemini-3.5-transcribe&fmt=transcriptions) FAQ · Google: Gemini 3.5 Transcribe Quali input e risultati sono disponibili? `POST /v1/audio/transcriptions` · `google/gemini-3.5-transcribe`: `audio` → `text` Quali campi usa la richiesta? `POST /v1/audio/transcriptions` · `google/gemini-3.5-transcribe`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Quali limiti si applicano? `POST /v1/audio/transcriptions` · `google/gemini-3.5-transcribe`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Collega Ailoot a Claude Code, OpenCode, Hermes o alla tua applicazione. ## L’azienda e il suo portafoglio di progetti L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. ## Acquista token con uno sconto. Sconto con abbonamento per lavoro regolare. Codici fino al 50% sull’acquisto di token. Abbonamento Scegli un piano scontato per richieste regolari. Codice fino al 50% Inserisci il codice all’acquisto. Il prezzo si aggiorna secondo la promozione. Spese nella cronologia Modello, token e importo sono salvati per ogni richiesta. [Scegli abbonamento](https://ailoot.ai/docs/it/billing/subscriptions/) · [Consulta prezzi dei modelli](https://ailoot.ai/models/it/) ## Collega l’API al prodotto che vendi. SaaS, app e bot secondo offerta e accordo di licenza Ailoot. Per rivendere, richiedi una licenza reseller. Applicazione commerciale Integra generazione di testo, immagini, video e suono nelle funzioni a pagamento. Licenza reseller Invia descrizione del progetto e schema di accesso. Richiedi condizioni scritte per uso e rivendita. Documenti sul sito Offerta, accordo di licenza e politica sui dati sono disponibili prima della connessione. [Richiedi licenza reseller](mailto:support@ailoot.ai) · [Offerta e accordo di licenza](https://ailoot.ai/legal/offer?lang=it) ## Ailoot · L’azienda e il suo portafoglio di progetti Ailoot si basa su un’esperienza operativa consolidata, un’ampia base di clienti, un servizio stabile e un controllo costante dei KPI. L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. Ailoot mette questa esperienza operativa al servizio dell’accesso API alle funzioni AI nei prodotti dei clienti, negli agenti, nelle applicazioni e nelle automazioni.