Google: Gemini 3.5 Transcribe

Google Gemini 3.5 Transcribe는 녹음된 음성을 텍스트로 변환하며 자동 언어 감지, 사용자 지정 어휘, 선택적인 단어 시간 정보 또는 화자 분리를 제공합니다. 시간 정보와 화자별 발화 구분에는 VERBATIM, 읽기 쉬운 받아쓰기에는 SMART를 선택하세요. SMART는 이 두 기능과 함께 사용할 수 없습니다.

Ailoot Ultra · 음성 전사 POST /v1/audio/transcriptions google/gemini-3.5-transcribe

모델 소개

이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.

Google Gemini 3.5 Transcribe는 사전에 녹음된 완전한 오디오 파일을 글로 옮기는 동기식 모델입니다. Gemini의 오디오 이해 기능을 기반으로 하지만 음성 전사에 특화된 입력 및 출력 계약을 갖습니다. 별도의 Gemini 3.5 Transcribe Live 에디션은 오디오 스트림을 받아 점진적인 결과를 반환합니다. 이 녹음 오디오 모델은 완성된 전사문을 생성하며 선택한 구성에 따라 단어 시간 정보나 발화별 화자 정보를 추가할 수 있습니다.

음성이 심하게 클리핑되지 않고 가능하면 목소리 사이가 의미 있게 구분되는 선명한 녹음을 준비하세요. 제작사의 동기식 예시는 WAV 오디오를 파일 바이트 또는 저장된 오디오 리소스로 전달하고 MIME 유형을 지정합니다. 검토할 수 있도록 원본 오디오를 보관하세요. 필요한 결과가 검토된 인터뷰 전사문, 자막 정렬 기록, 읽기 쉬운 받아쓰기 중 무엇인지, 문구를 바꾸거나 메타데이터를 추가하는 기능을 조합하기 전에 결정하세요.

Google은 세션 내 언어 혼용을 포함해 85개가 넘는 언어에서 자동 언어 감지를 문서화합니다. 언어별 지원 수준은 다르며 알려진 언어 힌트는 인식을 개선할 수 있습니다. 사용자 지정 어휘는 등장할 가능성이 있는 고유 이름, 브랜드, 전문 용어를 제공합니다. 제작사는 최대 1,000개 용어를 허용하며 약 100개 이하의 집중된 목록이 일반적으로 가장 잘 작동한다고 설명합니다. 드문 용어는 녹음과 관련 있는 것만 유지하고, 어휘 힌트가 해당 용어의 실제 발화를 입증한다고 가정하지 말고 오디오와 대조하세요.

기본 모드는 VERBATIM입니다. 추임새, 반복, 말하다 만 부분, 발화 중 수정을 보존해 텍스트가 발화 문구의 기록으로 남도록 합니다. 단어 수준 타임스탬프나 화자 분리가 필요할 때 사용하는 모드입니다. 예를 들어 인터뷰에서는 원래 발화 턴과 시간 정보를 유지하고 관련 구간을 들으며 중요한 이름과 수량을 수정하세요. 이후 요약이나 다듬은 기사는 화자가 한 말을 알리지 않고 대체하지 않으면서 이 검토된 기록을 활용할 수 있습니다.

SMART 모드는 읽기 쉬운 받아쓰기를 위해 설계되었습니다. 유창하지 않은 표현을 제거하고 발화 도중 자기 수정을 반영하며, 적절한 경우 날짜와 숫자를 정규화하면서 발화 자료를 문단이나 목록으로 구성합니다. 말로 받아 적은 작업 목록은 구두 전환 표현이 이어진 텍스트 대신 읽기 쉬운 목록이 될 수 있습니다. 이 처리는 전사문의 형태를 바꿉니다. Google은 SMART가 단어 타임스탬프 및 화자 분리와 호환되지 않는다고 명시하므로, 시간과 화자를 표시한 기록으로 사용하려 하지 말고 읽기 쉬운 텍스트가 필요한 결과물일 때 선택하세요.

단어 시간 정보를 활성화하면 응답에 인식한 단어와 시작·종료 오프셋이 포함됩니다. 이는 녹음에서 수정 위치를 찾거나 자막을 준비하는 데 도움이 됩니다. 제작사는 단어 수준 타임스탬프 활성화에 정확도상의 절충이 있음을 밝힙니다. 특히 빠른 말, 겹치는 발화, 낯선 용어 주변에서는 정렬과 텍스트를 함께 검토하세요. 유용한 시간 표시 전사문은 유창한 문장만으로 정렬의 정확성이 입증된다고 여기지 않고 단어 기록과 원본 오디오를 함께 보관합니다.

화자 분리는 녹음 오디오의 목소리를 식별하고 라벨을 붙이며, 문서상 최대 8명의 화자를 지원합니다. 제작사는 3명 이상 화자의 발화 구분을 실험적 기능으로 설명합니다. 라벨을 추론된 화자 그룹으로 취급하고 전환 지점을 녹음과 대조하세요. 화자 라벨은 어떤 사람의 신원이나 역할에 대한 독립적인 증거가 아닙니다. 이름이 필요한 과제라면 인식한 단어에서 신원을 지어내지 말고 알려진 녹음 정보에 라벨을 연결하세요.

제작사의 기능 표는 녹음 오디오 창을 15분으로 명시하며, 타임스탬프나 화자 분리 같은 기능이 활성화되면 파일 처리가 해당 길이로 제한됩니다. 더 긴 원자료는 순서와 원래 시간 위치를 보존하면서 적절한 구간으로 준비하세요. 모델의 전사문, 시간 표시 단어, 화자 라벨 부분은 서로 다른 결과 표현입니다. 과제에 필요한 표현을 유지하세요. 이런 오디오별 한도를 일반 Gemini 멀티모달 모델의 컨텍스트나 길이 수치로 대체해서는 안 됩니다. Google은 SMART 형식화, 단어 수준 타임스탬프, 화자 분리를 실험적 기능으로 기재합니다.

출력 계약은 음성 전사에 특화되어 있습니다. SMART 형식화는 읽기 쉬운 텍스트를 만들지만 일반 JSON 스키마 응답 계약, 도구 호출 기능, 지시를 따르는 어시스턴트 워크플로를 추가하지는 않습니다. 최종 결과물에서는 중요한 문구, 숫자, 부정 표현을 오디오와 대조하고 해결되지 않은 구간은 수정할 수 있게 보존하며 선택한 모드를 결과와 함께 보관하세요. 이를 통해 결과물이 원래 발화 문구를 기록한 것인지, 그 기록에서 편집한 읽기용 버전을 제시한 것인지 명확히 할 수 있습니다.

Ailoot Ultra · 음성 전사 POST /v1/audio/transcriptions google/gemini-3.5-transcribe

google/gemini-3.5-transcribe

Google /google/gemini-3.5-transcribe

시작하기

허용 입력: 오디오
결과: 텍스트

Ailoot에서 사용 가능 · 입력 및 메서드

Ailoot Ultra · 음성 전사 POST /v1/audio/transcriptions

입력: audio
출력: text

필드	유형	요건	값과 한도	기본값
필드`model`	유형`string`	요건필수	값과 한도 google/gemini-3.5-transcribe	기본값—
필드`input_audio`	유형`object`	요건필수	값과 한도	기본값—
필드`language`	유형`string`	요건선택 사항	값과 한도	기본값—
필드`temperature`	유형`number`	요건선택 사항	값과 한도 최솟값: 0 최댓값: 1	기본값—
필드`response_format`	유형`string`	요건선택 사항	값과 한도 json, verbose_json	기본값json
필드`timestamp_granularities`	유형`array`	요건선택 사항	값과 한도	기본값—
필드`provider`	유형`object`	요건선택 사항	값과 한도	기본값—

메서드 매개변수와 수명 주기

매개변수	명세
매개변수`content_type`	명세application/json
매개변수`required`	명세model, input_audio
매개변수`material_types`	명세audio
매개변수`material_conditions`	명세실제 WAV 파일을 읽고 해당 바이트를 선언된 JSON input_audio에 맞게 인코딩하세요. 이 정확한 JSON 전용 선언에는 multipart 경로가 안내되어 있지 않습니다.

수명 주기: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · 실제로 반환된 task_id 또는 미디어 라이브러리 기록

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

요금

최종 요금 계산 방식

표시된 요율은 생성 전 비용을 예상하는 데 사용됩니다. 최종 청구액은 최초 생성에 기록된 비용으로 계산됩니다. 측정된 출력 길이와 예상 수량은 최종 청구 수량이 아닙니다.

요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.

빠른 모드: 미지정 빠른 모드를 선택한 경우
Flex 모드: 미지정 flex 모드를 선택한 경우
최대 추론 수준: 미지정 최대 추론 수준에 default 조정값을 적용하는 경우

비교용 예상 요금

설정별 가격

각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.

설정	요금표	예측 수량	과금 단위	요금
설정기본 토큰 요금	요금표기본 요금	예측 수량—	과금 단위—	요금 입력 · 입력 토큰 · 비교 전용 추정치 — / 1K 토큰 출력 · 출력 토큰 · 비교 전용 추정치 — / 1K 토큰 입력 · 캐시 읽기 · 비교 전용 추정치 — / 1K 토큰 입력 · 캐시 쓰기 · 비교 전용 추정치 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 · 비교 전용 추정치 — / 1K 토큰
설정입력 토큰	요금표—	예측 수량—	과금 단위/ 1K 토큰	요금 입력 · 비교 전용 추정치 $0.004 / 1K 토큰
설정출력 토큰	요금표—	예측 수량—	과금 단위/ 1K 토큰	요금 출력 · 비교 전용 추정치 $0.024 / 1K 토큰
설정예상 생성 비용	요금표—	예측 수량1회 생성 예상치	과금 단위—	요금 출력 · 예상 생성 비용 · 비교 전용 추정치 $1.179648 생성 전 추정치 이 예상 금액은 추가 요금이나 생성 완료 시 적용되는 고정 요금이 아닙니다.

Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →

요청 예제

Ailoot Ultra · 음성 전사

curl · 정확한 네이티브 본문과 결과 전체

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.

결과 수신 및 저장

Ailoot Ultra · 음성 전사

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

기타 콘텐츠 조회

내 소유의 기존 자산 조회

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.

완료된 결과 모두 보관

반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.

전체 응답과 헤더, 실제로 생성된 모든 출력, 최초로 반환된 식별자와 모든 사용량 필드를 보관하세요. 생성 요청을 다시 제출하지 말고 최초 작업을 복구하세요.

원래 응답을 확인해야 할 경우

정산 대조를 위해 반환된 X-Client-Request-ID를 보관하세요. 실제로 반환된 task_id/asset_id 값이나 소유한 미디어 라이브러리만 조회하세요. 작업 ID로 태스크 URL을 만들거나 생성 요청을 다시 제출하지 마세요.

응답 필드

필드	유형
필드`text`	유형
필드`usage`	유형
필드`segments[]`	유형
필드`words[]`	유형
필드`speaker fields`	유형
필드`timestamps`	유형

별칭

모델 별칭

Ailoot Ultra google/gemini-3.5-transcribe

메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

Google: Gemini 3.5 Transcribe