Gemini 3.5 Transcribe

Nutqni tanish, tilni aniqlash, so‘zlovchilarni ajratish va so‘zlarning vaqt belgilari uchun Google modeli.

Ailoot · Nutqdan matn POST /v1/audio/transcriptions gemini-3.5-transcribe

Model haqida

Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.

Gemini 3.5 Transcribe audiofaylni matnga aylantiradi. Matnli ko‘chirmadan tashqari, u tilni aniqlash, so‘zlovchilarni ajratish, alohida so‘zlarning vaqt belgilari, maxsus lug‘at va matnni aqlli tayyorlashni qo‘llab-quvvatlaydi.

Tillar va davomiylik

85 dan ortiq til, jumladan, rus tili va yozuv ichida tillar o‘rtasida almashish qo‘llab-quvvatlanadi. Til avtomatik aniqlanadi. Oddiy so‘rov bir soatgacha audioni qayta ishlaydi. So‘zlovchilarni ajratish yoki so‘zlarning vaqt belgilari yoqilganda chegara 30 daqiqagacha qisqaradi.

Chiqish to‘liq matnli ko‘chirma va tegishli rejimlarda so‘zlarning alohida izohlarini o‘z ichiga oladi. Model fayllarni qayta ishlash uchun mo‘ljallangan; real vaqtda uzluksiz tanish alohida gemini-3.5-transcribe-live versiyasiga tegishli.

Matnga ko‘chirish rejimlari

Standart holatda so‘zma-so‘z matnga ko‘chirish ishlatiladi. Aqlli rejim to‘ldiruvchi so‘zlarni olib tashlaydi, so‘zlovchining o‘z tuzatishlarini hisobga oladi va matnni formatlaydi. Bunday rejimni so‘zlovchilarni ajratish va so‘zlarning vaqt belgilari bilan birlashtirib bo‘lmaydi.

Nutqni ajratish sakkiztagacha so‘zlovchini qo‘llab-quvvatlaydi. Replikani kim aytganini aniqlash uch va undan ortiq so‘zlovchi uchun tajribaviy maqomga ega. Vaqt belgilari matnni yozuv bilan bog‘lashga yordam beradi, lekin ularni yoqish tanish aniqligini pasaytirishi mumkin.

Atamalar va fayllar

Foydalanuvchi atamalari lug‘ati 1 000 tagacha yozuvni sig‘diradi; Google odatda uni taxminan yuzta bilan cheklash yaxshiroq ekanini qayd etadi. Bunday lug‘at so‘zlovchilarni ajratish va so‘zlarning vaqt belgilariga mos kelmaydi. Shu sababli rejim tanlashda qaysi biri muhimroq ekanini hisobga olish kerak: maxsus atamalarmi yoki qatnashchilar va vaqtning batafsil belgilanishimi.

Qo‘llab-quvvatlanadigan audioformatlarga WAV, MP3, AIFF, AAC, OGG, FLAC, MPEG, M4A, L16, Opus, A-law, mu-law va WebM kiradi. Faylni qayta ishlash uchun davomiylik va rejimlar birikmasi chegaralari e’lon qilingan. Transcribe oilasi tavsifida 96K token kontekst va 32K token matnli chiqish ham ko‘rsatilgan; oilaning bu xususiyatlari tanlangan metoddagi fayl cheklovlarini almashtirmaydi.

Kontekstni keshlash, kod bajarish, fayllar bo‘yicha qidiruv, funksiya chaqiruvlari, tasvir yaratish va Thinking qo‘llab-quvvatlanmaydi. Modelning ixtisosligi — yangi nutq yaratish emas, ovozdan matn va belgilarni olish.

Ailoot · Nutqdan matn POST /v1/audio/transcriptions gemini-3.5-transcribe

gemini-3.5-transcribe

Google /gemini-3.5-transcribe

Boshlash

Nutqni tanish, tilni aniqlash, so‘zlovchilarni ajratish va so‘zlarning vaqt belgilari uchun Google modeli.

Qabul qilinadigan kirish ma’lumotlari: Audio
Natijalar: Matn

Ailoot da mavjud · kirish ma’lumotlari va usullar

Ailoot · Nutqdan matn POST /v1/audio/transcriptions

Kirish: audio
Chiqish: text
Chiqish formati: json

Maydon	Tur	Talab	Qiymatlar va cheklovlar	Standart
Maydon`model`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar gemini-3.5-transcribe	Standart—
Maydon`file`	Tur`file`	TalabMajburiy	Qiymatlar va cheklovlar Baytlarning eng ko‘p soni: 67 108 864 Fayl formatlari: wav, mp3, m4a, ogg, webm, flac Kontent turi: multipart/form-data Eng ko‘p davomiylik, soniya: 600	Standart—
Maydon`response_format`	Tur`string`	TalabIxtiyoriy	Qiymatlar va cheklovlar json	Standart—

Kirish materiallari birikmalari

speech_to_text · Majburiy: actual audio file

Usul parametrlari va hayot sikli

Parametr	Parametr talablari
Parametr`material_types`	Parametr talablariaudio
Parametr`required`	Parametr talablarinull
Parametr`optional_controls`	Parametr talablarinull

Hayot sikli: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Amalda qaytarilgan task_id yoki media kutubxonasidagi yozuv

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Metod tuzilishlari va IDlari aniq; yetkazib beruvchining imkoniyati so‘rovni qabul qilishga ruxsatdan alohida.

Tariflar

Ailoot usullari tariflari

Ailoot Nutqdan matnPOST /v1/audio/transcriptions

Kirish: 0,01 US$ har bir boshlangan daqiqa uchun

Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →

So‘rov namunalari

Ailoot · Nutqdan matn

Transkripsiya namunasi

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

Natijalarni olish va saqlash

Ailoot · Nutqdan matn

json

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

Barcha tayyor natijalarni saqlash

Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.

Faqat matnni emas, to‘liq JSON ni saqlang; mavjud har bir segment/so‘zlovchi/vaqt belgisini va haqiqiy vazifa/aktiv identifikatorini saqlang.

Asl javobni tekshirish kerak bo‘lsa

Ma’lumotlarni solishtirib tekshirish uchun dastlabki operation_id/X-Client-Request-ID ni saqlang va so‘rovni qayta yubormang; audio holatini davriy tekshirish uchun alohida yo‘nalish yo‘q.

Javob maydonlari

Maydon	Tur
Maydon`text`	Turstring
Maydon`segments[]`	Turobject
Maydon`task_id`	Turstring
Maydon`asset_url`	Turstring
Maydon`usage`	Turobject

Xatolar va keyingi qadamlar

Javob	Shart	Keyingi qadam
Javob400 · `invalid_request_error`	ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri	Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating.
Javob`server_error`	ShartQaytarilgan javob operatsiya yoki natijani tekshirish kerakligini bildiradi	Keyingi qadamDastlab qaytarilgan operatsiya/vazifa ID sini, so‘rov sarlavhalarini va javobni saqlang; aynan shu operatsiya uchun qo‘llab-quvvatlanadigan o‘qish so‘rovlarini davom ettiring. Yaratish so‘rovini qayta yubormang.

Taxalluslar

Model taxalluslari

Ailoot gemini-3.5-transcribe

Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

Chaqirish uchun tegishli ID lar

gemini-3.5-transcribe

FAQ · Gemini 3.5 Transcribe

Qanday kirish ma’lumotlari va natijalar mavjud?: POST /v1/audio/transcriptions · gemini-3.5-transcribe: audio → text
So‘rov qaysi maydonlardan foydalanadi?: POST /v1/audio/transcriptions · gemini-3.5-transcribe: model, file, response_format

Gemini 3.5 Transcribe