Source: https://ailoot.ai/models/ru/google-gemini-3-5-transcribe/ Canonical: https://ailoot.ai/models/ru/google-gemini-3-5-transcribe/ Language: ru # Google: Gemini 3.5 Transcribe [Markdown](https://ailoot.ai/models/ru/google-gemini-3-5-transcribe/index.md) · [JSON](https://ailoot.ai/models/ru/google-gemini-3-5-transcribe/facts.json) ## [Google: Gemini 3.5 Transcribe](https://ailoot.ai/models/ru/google-gemini-3-5-transcribe/) Google Gemini 3.5 Transcribe преобразует записанную речь в текст с автоматическим определением языка, пользовательским словарём и необязательными временными метками слов или разделением по говорящим. Выбирайте VERBATIM для временной разметки и определения говорящих либо SMART для удобного для чтения текста под диктовку; SMART нельзя сочетать с этими двумя функциями. - [**Ailoot Ultra · Распознавание речи** `POST /v1/audio/transcriptions` `google/gemini-3.5-transcribe`](https://ailoot.ai/models/ru/google-gemini-3-5-transcribe/#method-0) О модели Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже. Google Gemini 3.5 Transcribe — синхронная модель для преобразования полных, заранее записанных аудиофайлов в письменную речь. Она основана на возможностях понимания аудио Gemini, но имеет специальный контракт входа и вывода для транскрибации. Отдельная версия Gemini 3.5 Transcribe Live принимает аудиопоток и возвращает результаты постепенно. Эта модель для записанного аудио создаёт завершённую расшифровку с необязательными временными метками слов или атрибуцией говорящих в зависимости от выбранной конфигурации. Подготовьте чёткую запись без сильного ограничения амплитуды речи и, по возможности, с различимым разделением голосов. В синхронных примерах производителя WAV-аудио передаётся как байты файла или сохранённый аудиоресурс с указанным MIME-типом. Сохраняйте исходное аудио для проверки. Требуемым результатом может быть проверенная расшифровка интервью, запись для синхронизации субтитров или читаемый диктуемый текст; определите нужный материал до объединения функций, меняющих формулировки или добавляющих метаданные. Google документирует автоматическое определение более 85 языков, включая смешение языков внутри сеанса. Уровни поддержки языков различаются, а подсказка известного языка может улучшить распознавание. Пользовательский словарь задаёт особые имена, бренды или профессиональные термины, которые вероятно встретятся. Разработчик допускает до 1 000 терминов и отмечает, что целевые списки примерно до 100 обычно работают лучше. Необычные термины должны относиться к записи; проверяйте их по аудио вместо предположения, что словарная подсказка доказывает их произнесение. VERBATIM — режим по умолчанию. Он сохраняет слова-паразиты, повторы, незавершённые начала фраз и устные исправления, чтобы текст оставался записью формулировок. Этот режим следует использовать, если задаче нужны временные метки на уровне слов или разделение по говорящим. Например, для интервью сохраняйте исходные реплики и время, затем исправляйте важные имена и количества, прослушивая соответствующий фрагмент. Позднее краткое изложение или отредактированная статья могут использовать эту проверенную запись, не подменяя незаметно сказанное говорящим. Режим SMART предназначен для читаемого диктуемого текста. Он убирает речевые сбои, разрешает исправления по ходу фразы и организует устный материал в абзацы или списки, при необходимости нормализуя даты и числа. Продиктованный список задач может стать читаемым списком вместо цепочки устных переходов. Такая обработка меняет форму расшифровки. Google прямо указывает, что SMART несовместим с временными метками слов и диаризацией; выбирайте его, когда нужен читаемый текст, а не пытайтесь использовать как запись с временной привязкой и атрибуцией говорящих. При включении временных меток слов ответ содержит распознанные слова со смещениями начала и конца. Это помогает находить исправление в записи или готовить субтитры. Разработчик отмечает, что включение временных меток слов может снижать точность распознавания. Проверяйте и текст, и синхронизацию, особенно при быстрой речи, наложении голосов или необычной терминологии. Полезная расшифровка с временной привязкой сохраняет запись слов вместе с исходным аудио, не считая гладкое предложение доказательством верной синхронизации. Диаризация определяет и помечает голоса в записанном аудио; документирована поддержка до восьми говорящих. Атрибуция для трёх и более говорящих описана разработчиком как экспериментальная. Рассматривайте метки как предполагаемую группировку по говорящим и проверяйте переходы по записи. Метка говорящего не является независимым доказательством личности или роли человека. Если задаче нужны имена, связывайте метки с известными сведениями о записи, не придумывая личности по распознанным словам. Таблица возможностей производителя указывает 15-минутное окно записанного аудио, причём при включённых функциях вроде временных меток или диаризации обработка файла ограничена этой длительностью. Подготавливайте более длинные источники подходящими сегментами, сохраняя порядок и исходное положение во времени. Расшифровка, слова с временными метками и части с метками говорящих — разные представления результата; сохраняйте то, которое нужно задаче. Эти аудиоспецифичные ограничения нельзя заменять значениями контекста или длительности общей мультимодальной модели Gemini. Google относит SMART-форматирование, временные метки слов и диаризацию к экспериментальным возможностям. Контракт вывода предназначен именно для транскрибации. SMART-форматирование создаёт читаемый текст, но не добавляет общего контракта ответа по JSON-схеме, вызовов инструментов или процесса ассистента, следующего инструкциям. Для итогового материала проверяйте важные формулировки, числа и отрицания по аудио, сохраняйте нерешённые сегменты для исправления и выбранный режим вместе с результатом. Так ясно, фиксирует ли материал исходные устные формулировки или представляет производную от них отредактированную версию для чтения. **Ailoot Ultra · Распознавание речи** `POST /v1/audio/transcriptions` `google/gemini-3.5-transcribe` [`google/gemini-3.5-transcribe`](https://ailoot.ai/models/ru/#m=google%2Fgemini-3.5-transcribe&route=Ultra&caller=google%2Fgemini-3.5-transcribe&fmt=transcriptions) Google /`google/gemini-3.5-transcribe` ### Начало Google Gemini 3.5 Transcribe преобразует записанную речь в текст с автоматическим определением языка, пользовательским словарём и необязательными временными метками слов или разделением по говорящим. Выбирайте VERBATIM для временной разметки и определения говорящих либо SMART для удобного для чтения текста под диктовку; SMART нельзя сочетать с этими двумя функциями. Допустимые входные данные Аудио Результаты Текст ### Доступно в Ailoot · входные данные и методы **Ailoot Ultra · Распознавание речи** `POST /v1/audio/transcriptions` Входные данные `audio` Результат `text` | Поле | Тип | Требование | Значения и ограничения | По умолчанию | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения google/gemini-3.5-transcribe | По умолчанию— | | Поле`input_audio` | Тип`object` | ТребованиеОбязательно | Значения и ограничения | По умолчанию— | | Поле`language` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— | | Поле`temperature` | Тип`number` | ТребованиеНеобязательно | Значения и ограничения Минимум: 0 Максимум: 1 | По умолчанию— | | Поле`response_format` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения json, verbose\_json | По умолчаниюjson | | Поле`timestamp_granularities` | Тип`array` | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— | | Поле`provider` | Тип`object` | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— | Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`content_type` | Контрактapplication/json | | Параметр`required` | Контрактmodel, input\_audio | | Параметр`material_types` | Контрактaudio | | Параметр`material_conditions` | КонтрактПрочитайте фактический файл WAV и закодируйте его реальные байты для заявленного поля input\_audio в JSON; в этом конкретном описании, допускающем только JSON, маршрут multipart не предлагается. | Жизненный цикл: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · Фактически возвращённый task\_id или запись в медиатеке `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Тарифы ##### Как рассчитывается итоговая плата Отображаемые тарифы позволяют оценить стоимость до генерации. Итоговое списание рассчитывается по стоимости, записанной для исходной генерации. Измеренная длительность результата и прогнозные объёмы не являются итоговым оплачиваемым объёмом. Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода. Быстрый режим Не указано При выборе быстрого режима Режим flex Не указано При выборе режима flex Максимальная интенсивность рассуждений Не указано При максимальной интенсивности рассуждений с корректировкой по умолчанию (default) #### Оценочные ставки для сравнения #### Цены по конфигурациям Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку. | Конфигурация | Шкала ставок | Прогноз количества | Расчётная единица | Плата | | --- | --- | --- | --- | --- | | КонфигурацияБазовые тарифы на токены | Шкала ставокБазовая ставка | Прогноз количества— | Расчётная единица— | Плата Вход · Входные токены · Оценка только для сравнения **—** / 1K токенов Выход · Выходные токены · Оценка только для сравнения **—** / 1K токенов Вход · Чтение кэша · Оценка только для сравнения **—** / 1K токенов Вход · Запись в кэш · Оценка только для сравнения **—** / 1K токенов Вход · Запись в кэш, 1 час · Оценка только для сравнения **—** / 1K токенов | | КонфигурацияВходной токен | Шкала ставок— | Прогноз количества— | Расчётная единица/ 1K токенов | Плата Вход · Оценка только для сравнения **$0.004** / 1K токенов | | КонфигурацияВыходной токен | Шкала ставок— | Прогноз количества— | Расчётная единица/ 1K токенов | Плата Выход · Оценка только для сравнения **$0.024** / 1K токенов | | КонфигурацияОриентировочная стоимость генерации | Шкала ставок— | Прогноз количестваОценка для одной генерации | Расчётная единица— | Плата Выход · Оценочная стоимость генерации · Оценка только для сравнения **$1.179648** оценка до генерации Эта оценка не является дополнительным списанием или фиксированным тарифом для завершённой генерации. | Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. [Как работают резервирование и расчёт →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot Ultra · Распознавание речи curl · точное тело запроса в нативном формате и полный результат ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Получить и сохранить результаты #### Ailoot Ultra · Распознавание речи - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Чтение другого содержимого Читать существующие материалы, принадлежащие вам ```bash set -eu : "${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. ``` ##### Сохраняйте все готовые результаты Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого. Сохраняйте полный ответ и заголовки, все фактические результаты, исходные возвращённые идентификаторы и все поля использования. Восстанавливайте исходную операцию без повторной отправки запроса создания. ##### Если нужно проверить исходный ответ Сохраните возвращённый X-Client-Request-ID для сверки. Читайте только фактически возвращённые значения task\_id/asset\_id или собственную медиатеку; никогда не составляйте URL задачи из ID операции и никогда не отправляйте запрос создания повторно. Поля ответа | Поле | Тип | | --- | --- | | Поле`text` | Тип | | Поле`usage` | Тип | | Поле`segments[]` | Тип | | Поле`words[]` | Тип | | Поле`speaker fields` | Тип | | Поле`timestamps` | Тип | ### Псевдонимы #### Псевдонимы моделей **Ailoot Ultra** [`google/gemini-3.5-transcribe`](https://ailoot.ai/models/ru/#m=google%2Fgemini-3.5-transcribe&route=Ultra&caller=google%2Fgemini-3.5-transcribe&fmt=transcriptions) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`google/gemini-3.5-transcribe`](https://ailoot.ai/models/ru/#m=google%2Fgemini-3.5-transcribe&route=Ultra&caller=google%2Fgemini-3.5-transcribe&fmt=transcriptions) FAQ · Google: Gemini 3.5 Transcribe Какие входные данные и результаты доступны? `POST /v1/audio/transcriptions` · `google/gemini-3.5-transcribe`: `audio` → `text` Какие поля использует запрос? `POST /v1/audio/transcriptions` · `google/gemini-3.5-transcribe`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Какие ограничения действуют? `POST /v1/audio/transcriptions` · `google/gemini-3.5-transcribe`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Подключите Ailoot к Claude Code, OpenCode, Hermes или своему приложению. ## Компания и портфель её проектов Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. ## Покупайте токены со скидкой. Скидка по подписке для регулярной работы. Промокоды — до 50% на покупку токенов. Подписка Выберите тариф со скидкой для своих регулярных запросов. Промокод до 50% Введите код при покупке. Цена пересчитается с учётом действующей акции. Расходы в истории Модель, токены и сумма сохраняются для каждого запроса. [Выбрать подписку](https://ailoot.ai/docs/ru/billing/subscriptions/) · [Посмотреть цены моделей](https://ailoot.ai/models/ru/) ## Подключайте API к продукту, который вы продаёте. SaaS, приложения и боты — по оферте и лицензионному договору Ailoot. Для перепродажи запросите реселлерскую лицензию. Коммерческое приложение Встраивайте генерацию текста, картинок, видео и звука в платные функции своего сервиса. Лицензия для реселлера Пришлите описание проекта и схему доступа. Запросите письменные условия использования и перепродажи. Документы на сайте Оферта, лицензионный договор и политика обработки данных доступны до подключения. [Запросить реселлерскую лицензию](mailto:support@ailoot.ai) · [Оферта и лицензионный договор](https://ailoot.ai/legal/offer?lang=ru) ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.