Gemini 3.5 Transcribe
Model družbe Google za prepoznavanje govora, določanje jezika, ločevanje govorcev in časovne oznake besed.
O modelu
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Gemini 3.5 Transcribe pretvarja zvočno datoteko v besedilo. Poleg prepisa podpira določanje jezika, ločevanje govorcev, časovne oznake posameznih besed, poseben slovar in inteligentno pripravo besedila.
Jeziki in trajanje
Podprtih je več kot 85 jezikov, vključno z ruščino, in preklapljanje med jeziki znotraj posnetka. Jezik se določi samodejno. Običajna zahteva obdela zvok v dolžini do ene ure. Pri ločevanju govorcev ali vključenih časovnih oznakah besed se omejitev skrajša na 30 minut.
Izhod vključuje celotno besedilo prepisa in pri ustreznih načinih ločene oznake besed. Model je namenjen obdelavi datotek; neprekinjeno prepoznavanje v realnem času spada v ločeno različico gemini-3.5-transcribe-live.
Načini prepisovanja
Privzeto se uporablja dobesedni prepis. Inteligentni način odstrani govorna mašila, upošteva govorčeve samopopravke in oblikuje besedilo. Tega načina ni mogoče združiti z ločevanjem govorcev in časovnimi oznakami besed.
Ločevanje govora podpira do osem govorcev. Določanje, kdo je izgovoril repliko, ima pri treh ali več govorcih eksperimentalni status. Časovne oznake pomagajo besedilo povezati s posnetkom, vendar lahko njihova vključitev zmanjša natančnost prepoznavanja.
Izrazi in datoteke
Slovar uporabniških izrazov sprejme do 1 000 vnosov; Google navaja, da ga je običajno bolje omejiti na približno sto. Takšen slovar ni združljiv z ločevanjem govorcev in časovnimi oznakami besed. Zato je treba pri izbiri načina upoštevati, kaj je pomembnejše: posebni izrazi ali podrobne oznake udeležencev in časa.
Podprti zvočni formati vključujejo WAV, MP3, AIFF, AAC, OGG, FLAC, MPEG, M4A, L16, Opus, A-law, mu-law in WebM. Za obdelavo datoteke so objavljene omejitve trajanja in kombinacij načinov. Opis družine Transcribe navaja tudi kontekst 96K tokenov in besedilni izhod 32K tokenov; te značilnosti družine ne nadomestijo omejitev datoteke v izbranem načinu dostopa.
Predpomnjenje konteksta, izvajanje kode, iskanje po datotekah, klici funkcij, ustvarjanje slik in Thinking niso podprti. Model je specializiran za pridobivanje besedila in oznak iz zvoka, ne za ustvarjanje novega govora.
Ailoot · Pretvorba govora v besedilo POST /v1/audio/transcriptions gemini-3.5-transcribe
gemini-3.5-transcribeZačetek
Model družbe Google za prepoznavanje govora, določanje jezika, ločevanje govorcev in časovne oznake besed.
- Dovoljeni vhodi
- Zvok
- Rezultati
- Besedilo
Na voljo v Ailoot · vhodi in metode
Ailoot · Pretvorba govora v besedilo POST /v1/audio/transcriptions
- Vhod
audio- Izhod
text- Izhodni format
- json
| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve gemini-3.5-transcribe | Privzeto— |
Poljefile | Vrstafile | ZahtevaObvezno | Vrednosti in omejitve Največ bajtov: 67.108.864 Formati datotek: wav, mp3, m4a, ogg, webm, flac Vrsta vsebine: multipart/form-data Najdaljše trajanje, sekunde: 600 | Privzeto— |
Poljeresponse_format | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve json | Privzeto— |
Kombinacije vhodnih gradiv
speech_to_text · Obvezno: actual audio file
Parametri in življenjski cikel metode
| Parameter | Specifikacija |
|---|---|
Parametermaterial_types | Specifikacijaaudio |
Parameterrequired | Specifikacijanull |
Parameteroptional_controls | Specifikacijanull |
Življenjski cikel: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Dejansko vrnjeni task_id ali zapis v medijski knjižnici
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Strukture metod in ID so natančno določeni; zmožnost ponudnika je ločena od sprejema zahteve.
Cenik
Cene metod Ailoot
POST /v1/audio/transcriptions- Vhod
- 0,01 $ na vsako začeto minuto
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
Primeri zahtev
Ailoot · Pretvorba govora v besedilo
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
Prejmi in shrani rezultate
Ailoot · Pretvorba govora v besedilo
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Ohrani vse dokončane rezultate
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite celoten JSON in ne samo besedila; ohranite vsak razpoložljivi segment/govorca/časovno oznako in dejansko identiteto opravila/sredstva.
Če je treba preveriti izvirni odgovor
Shranite izvirni operation_id/X-Client-Request-ID za uskladitev evidenc brez ponovnega pošiljanja; namenska pot za periodično preverjanje zvoka ne obstaja.
Polja odgovora
| Polje | Vrsta |
|---|---|
Poljetext | Vrstastring |
Poljesegments[] | Vrstaobject |
Poljetask_id | Vrstastring |
Poljeasset_url | Vrstastring |
Poljeusage | Vrstaobject |
Napake in naslednji koraki
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Odgovorserver_error | PogojVrnjeni odgovor navaja, da je treba operacijo ali rezultat preveriti | Naslednji korakShranite izvirni vrnjeni ID operacije/opravila, glave zahteve in odgovor; nadaljujte s podprtimi branji te izvirne operacije. Zahteve za ustvarjanje ne pošiljajte znova. |
Druga imena
Druga imena modelov
Ailoot gemini-3.5-transcribe
Druga imena poti metod
Uporabite zgoraj navedene poti metod.
Povezani ID-ji za klic
FAQ · Gemini 3.5 Transcribe
- Kateri vhodi in rezultati so na voljo?
POST /v1/audio/transcriptions·gemini-3.5-transcribe:audio→text- Katera polja uporablja zahteva?
POST /v1/audio/transcriptions·gemini-3.5-transcribe:model,file,response_format