Gemini 3.5 Transcribe

Model Google untuk pengecaman pertuturan, pengesanan bahasa, pengasingan penutur dan cap masa perkataan.

Ailoot · Pertuturan kepada teks POST /v1/audio/transcriptions gemini-3.5-transcribe

Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

Gemini 3.5 Transcribe menukarkan fail audio kepada teks. Selain transkripsi, model menyokong pengesanan bahasa, pengenalpastian penutur, cap masa bagi perkataan individu, kosa kata khusus dan penyediaan teks pintar.

Bahasa dan tempoh

Lebih daripada 85 bahasa disokong, termasuk bahasa Rusia, serta pertukaran bahasa dalam rakaman. Bahasa dikesan secara automatik. Permintaan biasa memproses audio dengan tempoh sehingga satu jam. Apabila pengasingan penutur atau cap masa perkataan diaktifkan, had dipendekkan kepada 30 minit.

Output merangkumi teks transkripsi penuh serta anotasi perkataan berasingan bagi mod yang berkenaan. Model direka untuk pemprosesan fail; pengecaman berterusan secara masa nyata tergolong dalam versi berasingan gemini-3.5-transcribe-live.

Mod transkripsi

Transkripsi verbatim digunakan secara lalai. Mod pintar membuang kata pengisi, mengambil kira pembetulan kendiri penutur dan memformat teks. Mod ini tidak boleh digabungkan dengan pengasingan penutur dan cap masa perkataan.

Pengasingan pertuturan menyokong sehingga lapan penutur. Penentuan individu yang mengucapkan sesuatu ujaran bagi tiga penutur atau lebih mempunyai status eksperimen. Cap masa membantu mengaitkan teks dengan rakaman, tetapi pengaktifannya boleh mengurangkan ketepatan pengecaman.

Istilah dan fail

Kosa kata istilah tersuai memuatkan sehingga 1 000 entri; Google menyatakan bahawa mengehadkannya kepada kira-kira seratus biasanya lebih baik. Kosa kata sebegini tidak serasi dengan pengasingan penutur dan cap masa perkataan. Oleh itu, pemilihan mod perlu mengambil kira perkara yang lebih penting: istilah khusus atau anotasi terperinci peserta dan masa.

Format audio yang disokong merangkumi WAV, MP3, AIFF, AAC, OGG, FLAC, MPEG, M4A, L16, Opus, A-law, mu-law dan WebM. Had tempoh dan gabungan mod diterbitkan untuk pemprosesan fail. Penerangan keluarga Transcribe turut menyatakan konteks 96K token dan output teks 32K token; ciri keluarga ini tidak menggantikan batasan fail dalam kaedah yang dipilih.

Caching konteks, pelaksanaan kod, carian fail, panggilan fungsi, penciptaan imej dan Thinking tidak disokong. Pengkhususan model ialah mendapatkan teks dan anotasi daripada audio, bukannya menjana pertuturan baharu.

Ailoot · Pertuturan kepada teks POST /v1/audio/transcriptions gemini-3.5-transcribe

gemini-3.5-transcribe

Google /gemini-3.5-transcribe

Pengenalan

Model Google untuk pengecaman pertuturan, pengesanan bahasa, pengasingan penutur dan cap masa perkataan.

Input yang diterima: Audio
Hasil: Teks

Tersedia di Ailoot · input & kaedah

Ailoot · Pertuturan kepada teks POST /v1/audio/transcriptions

Input: audio
Output: text
Format output: json

Medan	Jenis	Keperluan	Nilai & had	Lalai
Medan`model`	Jenis`string`	KeperluanDiperlukan	Nilai & had gemini-3.5-transcribe	Lalai—
Medan`file`	Jenis`file`	KeperluanDiperlukan	Nilai & had Bait maksimum: 67,108,864 Format fail: wav, mp3, m4a, ogg, webm, flac Jenis kandungan: multipart/form-data Tempoh maksimum, saat: 600	Lalai—
Medan`response_format`	Jenis`string`	KeperluanPilihan	Nilai & had json	Lalai—

Gabungan bahan input

speech_to_text · Diperlukan: actual audio file

Parameter kaedah dan kitar hayat

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

Kitar hayat: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id sebenar yang dikembalikan atau rekod pustaka media

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.

Pelan harga

Kadar kaedah Ailoot

Ailoot Pertuturan kepada teksPOST /v1/audio/transcriptions

Input: USD 0.01 bagi setiap minit dengan tempoh dibundarkan ke atas

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →

Contoh permintaan

Ailoot · Pertuturan kepada 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 · Pertuturan kepada 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, fail dan bahagian kandungan yang dikembalikan.

Simpan JSON lengkap, bukan teks sahaja; kekalkan setiap segmen/penutur/cap masa yang tersedia dan identiti tugas/aset sebenar.

Jika respons asal perlu disemak

Simpan operation_id/X-Client-Request-ID asal untuk penyelarasan rekod tanpa penghantaran semula; tiada laluan khusus untuk meninjau status audio.

Medan respons

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

Ralat dan langkah seterusnya

Respons	Syarat	Langkah seterusnya
Respons400 · `invalid_request_error`	SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah	Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu.
Respons`server_error`	SyaratRespons yang dikembalikan menyatakan bahawa operasi atau hasil memerlukan semakan	Langkah seterusnyaSimpan ID operasi/tugas asal yang dikembalikan, pengepala permintaan dan respons; teruskan pembacaan yang disokong bagi operasi asal tersebut. Jangan hantar semula permintaan penciptaan.

Alias

Alias model

Ailoot gemini-3.5-transcribe

Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

ID pemanggil berkaitan

gemini-3.5-transcribe

FAQ · Gemini 3.5 Transcribe

Apakah input dan hasil yang tersedia?: POST /v1/audio/transcriptions · gemini-3.5-transcribe: audio → text
Apakah medan yang digunakan oleh permintaan?: POST /v1/audio/transcriptions · gemini-3.5-transcribe: model, file, response_format

Gemini 3.5 Transcribe