Source: https://ailoot.ai/models/th/gemini-3-5-transcribe/
Canonical: https://ailoot.ai/models/th/gemini-3-5-transcribe/
Language: th

# Gemini 3.5 Transcribe

[Markdown](https://ailoot.ai/models/th/gemini-3-5-transcribe/index.md) · [JSON](https://ailoot.ai/models/th/gemini-3-5-transcribe/facts.json)

## [Gemini 3.5 Transcribe](https://ailoot.ai/models/th/gemini-3-5-transcribe/)

โมเดลของ Google สำหรับรู้จำเสียงพูด ตรวจจับภาษา แยกผู้พูด และระบุเวลาระดับคำ

- [**Ailoot · เสียงพูดเป็นข้อความ** `POST /v1/audio/transcriptions` `gemini-3.5-transcribe`](https://ailoot.ai/models/th/gemini-3-5-transcribe/#method-0)

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

Gemini 3.5 Transcribe แปลงไฟล์เสียงเป็นข้อความ นอกจากการถอดเสียง ยังรองรับการตรวจจับภาษา แยกผู้พูด ประทับเวลาของแต่ละคำ พจนานุกรมเฉพาะ และการจัดข้อความอย่างชาญฉลาด

#### ภาษาและระยะเวลา

รองรับ **มากกว่า 85 ภาษา** รวมถึงภาษารัสเซีย และการสลับภาษาภายในเสียงบันทึก ตรวจจับภาษาโดยอัตโนมัติ คำขอทั่วไปประมวลผลเสียงได้ **ไม่เกินหนึ่งชั่วโมง** เมื่อแยกผู้พูดหรือเปิดเวลาระดับคำ ขีดจำกัดจะลดลงเหลือ **30 นาที**

เอาต์พุตประกอบด้วยข้อความถอดเสียงทั้งหมด และคำกำกับแต่ละคำสำหรับโหมดที่เกี่ยวข้อง โมเดลออกแบบสำหรับประมวลผลไฟล์ การรู้จำต่อเนื่องแบบเรียลไทม์เป็นของเวอร์ชันแยก `gemini-3.5-transcribe-live`

#### โหมดการถอดเสียง

ค่าเริ่มต้นคือถอดเสียงตามคำพูดทุกคำ โหมดอัจฉริยะจะตัดคำคั่นระหว่างคิด คำนึงถึงการแก้คำพูดของผู้พูดเอง และจัดรูปแบบข้อความ ไม่สามารถใช้โหมดนี้ร่วมกับการแยกผู้พูดและเวลาระดับคำได้

การแยกเสียงพูดรองรับ **ผู้พูดได้ถึงแปดคน** การระบุว่าใครเป็นผู้พูดเมื่อมีผู้พูดตั้งแต่สามคนขึ้นไปมี **สถานะทดลอง** การประทับเวลาช่วยเชื่อมข้อความกับเสียงบันทึก แต่การเปิดใช้อาจลดความแม่นยำในการรู้จำ

#### ศัพท์และไฟล์

พจนานุกรมศัพท์ที่ผู้ใช้กำหนดรองรับ **ได้ถึง 1 000 รายการ** Google ระบุว่าโดยทั่วไปควรจำกัดไว้ราวหนึ่งร้อยรายการ พจนานุกรมนี้ใช้ร่วมกับการแยกผู้พูดและเวลาระดับคำไม่ได้ การเลือกโหมดจึงต้องคำนึงว่าสิ่งใดสำคัญกว่า ระหว่างศัพท์เฉพาะกับการกำกับผู้พูดและเวลาอย่างละเอียด

รูปแบบเสียงที่รองรับรวมถึง WAV, MP3, AIFF, AAC, OGG, FLAC, MPEG, M4A, L16, Opus, A-law, mu-law และ WebM มีการเผยแพร่ขีดจำกัดระยะเวลาและการใช้โหมดร่วมกันสำหรับประมวลผลไฟล์ คำอธิบายตระกูล Transcribe ยังระบุบริบท **96K โทเคน** และเอาต์พุตข้อความ **32K โทเคน** คุณสมบัติระดับตระกูลเหล่านี้ไม่ได้ใช้แทนข้อจำกัดไฟล์ของวิธีที่เลือก

ไม่รองรับการแคชบริบท การรันโค้ด การค้นหาในไฟล์ การเรียกฟังก์ชัน การสร้างภาพ และ Thinking ความเชี่ยวชาญของโมเดลคือรับข้อความและการกำกับข้อมูลจากเสียง ไม่ใช่สร้างเสียงพูดใหม่

**Ailoot · เสียงพูดเป็นข้อความ** `POST /v1/audio/transcriptions` `gemini-3.5-transcribe`

[`gemini-3.5-transcribe`](https://ailoot.ai/models/th/#m=gemini-3.5-transcribe&route=Core&caller=gemini-3.5-transcribe&fmt=transcriptions)

Google /`gemini-3.5-transcribe`

### เริ่มต้น

โมเดลของ Google สำหรับรู้จำเสียงพูด ตรวจจับภาษา แยกผู้พูด และระบุเวลาระดับคำ

อินพุตที่รองรับ

เสียง

ผลลัพธ์

ข้อความ

### ใช้งานได้ใน Ailoot · อินพุตและเมธอด

**Ailoot · เสียงพูดเป็นข้อความ** `POST /v1/audio/transcriptions`

ขาเข้า

`audio`

ขาออก

`text`

รูปแบบเอาต์พุต

json

| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
| --- | --- | --- | --- | --- |
| ฟิลด์`model` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด gemini-3.5-transcribe | ค่าเริ่มต้น— |
| ฟิลด์`file` | ประเภท`file` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด จำนวนไบต์สูงสุด: 67,108,864 รูปแบบไฟล์: wav, mp3, m4a, ogg, webm, flac ประเภทเนื้อหา: multipart/form-data ความยาวสูงสุด หน่วยวินาที: 600 | ค่าเริ่มต้น— |
| ฟิลด์`response_format` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด json | ค่าเริ่มต้น— |

ชุดผสมของสื่ออินพุต

**speech\_to\_text** · จำเป็น: actual audio file

พารามิเตอร์และวงจรการทำงานของเมธอด

| พารามิเตอร์ | ข้อกำหนด |
| --- | --- |
| พารามิเตอร์`material_types` | ข้อกำหนดaudio |
| พารามิเตอร์`required` | ข้อกำหนดnull |
| พารามิเตอร์`optional_controls` | ข้อกำหนดnull |

วงจรการทำงาน: `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · ค่า task\_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ

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

`GET /v1/media/assets`

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

รูปแบบเมธอดและ ID ระบุอย่างแม่นยำ ความสามารถของผู้ให้บริการแยกจากการอนุญาตให้รับคำขอ

### ราคา

#### อัตราค่าบริการเมธอด Ailoot

ขาเข้า

US$0.01 *ต่อนาที (เศษของนาทีคิดเป็นหนึ่งนาที)*

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย [วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →](https://ailoot.ai/docs/th/billing/reserve/)

### ตัวอย่างคำขอ

#### Ailoot · เสียงพูดเป็นข้อความ

ตัวอย่างการถอดเสียง

```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
```

### รับและบันทึกผลลัพธ์

#### Ailoot · เสียงพูดเป็นข้อความ

json

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

##### เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บ JSON ทั้งหมด ไม่ใช่เฉพาะข้อความ คงช่วงข้อความ/ผู้พูด/เวลาทุกรายการที่มีและตัวตนงาน/แอสเซ็ตจริงไว้

##### เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ operation\_id/X-Client-Request-ID เดิมไว้เพื่อกระทบยอดโดยไม่ส่งคำขอซ้ำ ไม่มีเส้นทางเฉพาะสำหรับตรวจสอบสถานะงานเสียงเป็นระยะ

ฟิลด์การตอบกลับ

| ฟิลด์ | ประเภท |
| --- | --- |
| ฟิลด์`text` | ประเภทstring |
| ฟิลด์`segments[]` | ประเภทobject |
| ฟิลด์`task_id` | ประเภทstring |
| ฟิลด์`asset_url` | ประเภทstring |
| ฟิลด์`usage` | ประเภทobject |

ข้อผิดพลาดและขั้นตอนถัดไป

| การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป |
| --- | --- | --- |
| การตอบกลับ400 · `invalid_request_error` | เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง | ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่ |
| การตอบกลับ`server_error` | เงื่อนไขการตอบกลับที่ได้รับระบุว่าต้องตรวจสอบการดำเนินการหรือผลลัพธ์ | ขั้นตอนถัดไปเก็บ ID การดำเนินการ/งานที่ส่งกลับมาแต่เดิม ส่วนหัวของคำขอ และการตอบกลับไว้ แล้วอ่านข้อมูลการดำเนินการเดิมนั้นต่อด้วยวิธีที่รองรับ ห้ามส่งคำขอสร้างซ้ำ |

### ชื่ออื่น

#### ชื่ออื่นของโมเดล

**Ailoot** [`gemini-3.5-transcribe`](https://ailoot.ai/models/th/#m=gemini-3.5-transcribe&route=Core&caller=gemini-3.5-transcribe&fmt=transcriptions)

#### ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

#### ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

[`gemini-3.5-transcribe`](https://ailoot.ai/models/th/#m=gemini-3.5-transcribe&route=Core&caller=gemini-3.5-transcribe&fmt=transcriptions)

FAQ · Gemini 3.5 Transcribe

มีอินพุตและผลลัพธ์ใดบ้าง?

`POST /v1/audio/transcriptions` · `gemini-3.5-transcribe`: `audio` → `text`

คำขอใช้ฟิลด์ใดบ้าง?

`POST /v1/audio/transcriptions` · `gemini-3.5-transcribe`: `model`, `file`, `response_format`

เชื่อม Ailoot กับ Claude Code, OpenCode, Hermes หรือแอปของคุณ

## บริษัทและพอร์ตโฟลิโอโครงการของบริษัท

บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.

## ซื้อโทเคนพร้อมส่วนลด

ส่วนลดสมาชิกสำหรับงานประจำ โค้ดโปรโมชั่นลดซื้อโทเคนสูงสุด 50%

สมาชิก

เลือกแพ็กเกจมีส่วนลดสำหรับคำขอประจำ

โค้ดลดสูงสุด 50%

ใส่โค้ดขณะซื้อ ราคาคำนวณใหม่ตามโปรโมชั่นที่ใช้

รายจ่ายในประวัติ

เก็บโมเดล โทเคน และยอดสำหรับทุกคำขอ

[เลือกสมาชิก](https://ailoot.ai/docs/th/billing/subscriptions/) · [ดูราคาโมเดล](https://ailoot.ai/models/th/)

## เชื่อม API กับผลิตภัณฑ์ ที่คุณขาย

SaaS แอป และบอต ตามข้อเสนอและสัญญาอนุญาต Ailoot หากขายต่อให้ขอใบอนุญาตรีเซลเลอร์

แอปเชิงพาณิชย์

ใส่การสร้างข้อความ ภาพ วิดีโอ และเสียงในฟีเจอร์เสียเงินของบริการคุณ

ใบอนุญาตรีเซลเลอร์

ส่งคำอธิบายโครงการและรูปแบบการเข้าถึง ขอเงื่อนไขใช้และขายต่อเป็นลายลักษณ์อักษร

เอกสารบนเว็บไซต์

อ่านข้อเสนอ สัญญาอนุญาต และนโยบายประมวลผลข้อมูลก่อนเชื่อมได้

[ขอใบอนุญาตขายต่อ](mailto:support@ailoot.ai) · [ข้อเสนอและสัญญาอนุญาต](https://ailoot.ai/legal/offer?lang=th)

## Ailoot · บริษัทและพอร์ตโฟลิโอโครงการของบริษัท





Ailoot อาศัยประสบการณ์การดำเนินงานที่สั่งสม ฐานลูกค้าขนาดใหญ่ บริการที่เสถียร และการติดตาม KPI อย่างต่อเนื่อง





บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.





Ailoot นำประสบการณ์การดำเนินงานนี้มาใช้เพื่อให้เข้าถึงฟังก์ชัน AI ผ่าน API ในผลิตภัณฑ์ของลูกค้า เอเจนต์ แอปพลิเคชัน และระบบอัตโนมัติ