Source: https://ailoot.ai/models/pl/gemini-3-5-transcribe/ Canonical: https://ailoot.ai/models/pl/gemini-3-5-transcribe/ Language: pl # Gemini 3.5 Transcribe [Markdown](https://ailoot.ai/models/pl/gemini-3-5-transcribe/index.md) · [JSON](https://ailoot.ai/models/pl/gemini-3-5-transcribe/facts.json) ## [Gemini 3.5 Transcribe](https://ailoot.ai/models/pl/gemini-3-5-transcribe/) Model Google do rozpoznawania mowy, identyfikacji języka, rozróżniania mówców i znaczników czasu słów. - [**Ailoot · Rozpoznawanie mowy** `POST /v1/audio/transcriptions` `gemini-3.5-transcribe`](https://ailoot.ai/models/pl/gemini-3-5-transcribe/#method-0) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. Gemini 3.5 Transcribe przekształca plik dźwiękowy w tekst. Oprócz transkrypcji obsługuje identyfikację języka, rozróżnianie mówców, znaczniki czasu poszczególnych słów, specjalny słownik i inteligentne przygotowanie tekstu. #### Języki i czas trwania Obsługiwanych jest **ponad 85 języków**, w tym rosyjski, oraz przełączanie między językami w obrębie nagrania. Język jest identyfikowany automatycznie. Zwykłe żądanie przetwarza dźwięk o długości **do jednej godziny**. Przy rozróżnianiu mówców lub włączonych znacznikach czasu słów limit zmniejsza się do **30 minut**. Wyjście obejmuje pełny tekst transkrypcji oraz, w odpowiednich trybach, osobne adnotacje słów. Model służy do przetwarzania plików; ciągłe rozpoznawanie w czasie rzeczywistym należy do osobnej wersji `gemini-3.5-transcribe-live`. #### Tryby transkrypcji Domyślnie stosowana jest transkrypcja dosłowna. Tryb inteligentny usuwa wypełniacze mowy, uwzględnia autokorekty mówcy i formatuje tekst. Nie można łączyć go z rozróżnianiem mówców i znacznikami czasu słów. Rozdzielanie mowy obsługuje **do ośmiu mówców**. Określanie, kto wypowiedział daną kwestię, dla trzech lub więcej mówców ma **status eksperymentalny**. Znaczniki czasu pomagają powiązać tekst z nagraniem, lecz ich włączenie może zmniejszać dokładność rozpoznawania. #### Terminy i pliki Słownik terminów użytkownika mieści **do 1 000 wpisów**; Google wskazuje, że zwykle lepiej ograniczyć go do około stu. Taki słownik jest niezgodny z rozróżnianiem mówców i znacznikami czasu słów. Wybór trybu powinien zatem uwzględniać, co jest ważniejsze: terminy specjalistyczne czy szczegółowe oznaczenie uczestników i czasu. Obsługiwane formaty dźwięku obejmują WAV, MP3, AIFF, AAC, OGG, FLAC, MPEG, M4A, L16, Opus, A-law, mu-law i WebM. Dla przetwarzania pliku opublikowano limity czasu trwania i łączenia trybów. Opis rodziny Transcribe podaje także kontekst **96K tokenów** i wyjście tekstowe **32K tokenów**; te cechy rodziny nie zastępują ograniczeń pliku w wybranej metodzie. Buforowanie kontekstu, wykonywanie kodu, wyszukiwanie w plikach, wywoływanie funkcji, tworzenie obrazów i Thinking nie są obsługiwane. Specjalizacją modelu jest uzyskiwanie tekstu i oznaczeń z dźwięku, a nie generowanie nowej mowy. **Ailoot · Rozpoznawanie mowy** `POST /v1/audio/transcriptions` `gemini-3.5-transcribe` [`gemini-3.5-transcribe`](https://ailoot.ai/models/pl/#m=gemini-3.5-transcribe&route=Core&caller=gemini-3.5-transcribe&fmt=transcriptions) Google /`gemini-3.5-transcribe` ### Start Model Google do rozpoznawania mowy, identyfikacji języka, rozróżniania mówców i znaczników czasu słów. Akceptowane dane wejściowe Audio Wyniki Tekst ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot · Rozpoznawanie mowy** `POST /v1/audio/transcriptions` Wejście `audio` Wyjście `text` Format wyjściowy json | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity gemini-3.5-transcribe | Domyślnie— | | Pole`file` | Typ`file` | WymaganieWymagane | Wartości i limity Maksymalna liczba bajtów: 67 108 864 Formaty plików: wav, mp3, m4a, ogg, webm, flac Typ treści: multipart/form-data Maksymalny czas trwania, sekundy: 600 | Domyślnie— | | Pole`response_format` | Typ`string` | WymaganieOpcjonalne | Wartości i limity json | Domyślnie— | Kombinacje materiałów wejściowych **speech\_to\_text** · Wymagane: actual audio file Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`material_types` | Kontraktaudio | | Parametr`required` | Kontraktnull | | Parametr`optional_controls` | Kontraktnull | Cykl życia: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · Rzeczywiście zwrócony task\_id lub wpis w bibliotece multimediów `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Struktury metod i ID są dokładne; możliwości dostawcy są odrębne od dopuszczenia żądania. ### Cennik #### Stawki metod Ailoot Wejście 0,01 USD *za każdą rozpoczętą minutę* Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot · Rozpoznawanie mowy Przykład transkrypcji ```bash 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 ``` ### Odbieranie i zapisywanie wyników #### Ailoot · Rozpoznawanie mowy json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Zachowaj kompletny JSON, a nie tylko tekst; zachowaj każdy dostępny segment, mówcę i znacznik czasu oraz rzeczywistą tożsamość zadania lub zasobu. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Zachowaj pierwotny operation\_id/X-Client-Request-ID do uzgodnienia danych bez ponownego wysyłania żądania; brak osobnej ścieżki API do cyklicznego sprawdzania stanu audio. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`text` | Typstring | | Pole`segments[]` | Typobject | | Pole`task_id` | Typstring | | Pole`asset_url` | Typstring | | Pole`usage` | Typobject | Błędy i dalsze kroki | Odpowiedź | Warunek | Następny krok | | --- | --- | --- | | Odpowiedź400 · `invalid_request_error` | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. | | Odpowiedź`server_error` | WarunekZwrócona odpowiedź wskazuje, że operacja lub wynik wymaga sprawdzenia | Następny krokZachowaj pierwotnie zwrócony identyfikator operacji lub zadania, nagłówki żądania i odpowiedź; kontynuuj obsługiwane odczyty tej pierwotnej operacji. Nie wysyłaj ponownie żądania utworzenia. | ### Aliasy #### Aliasy modelu **Ailoot** [`gemini-3.5-transcribe`](https://ailoot.ai/models/pl/#m=gemini-3.5-transcribe&route=Core&caller=gemini-3.5-transcribe&fmt=transcriptions) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`gemini-3.5-transcribe`](https://ailoot.ai/models/pl/#m=gemini-3.5-transcribe&route=Core&caller=gemini-3.5-transcribe&fmt=transcriptions) FAQ · Gemini 3.5 Transcribe Jakie dane wejściowe i wyniki są dostępne? `POST /v1/audio/transcriptions` · `gemini-3.5-transcribe`: `audio` → `text` Jakich pól używa żądanie? `POST /v1/audio/transcriptions` · `gemini-3.5-transcribe`: `model`, `file`, `response_format` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.