Source: https://ailoot.ai/models/zh-hant-tw/gemini-3-5-transcribe/ Canonical: https://ailoot.ai/models/zh-hant-tw/gemini-3-5-transcribe/ Language: zh-hant-tw # Gemini 3.5 Transcribe [Markdown](https://ailoot.ai/models/zh-hant-tw/gemini-3-5-transcribe/index.md) · [JSON](https://ailoot.ai/models/zh-hant-tw/gemini-3-5-transcribe/facts.json) ## [Gemini 3.5 Transcribe](https://ailoot.ai/models/zh-hant-tw/gemini-3-5-transcribe/) Google 的語音辨識模型，可偵測語言、區分說話者，並提供逐字時間標記。 - [**Ailoot · 語音轉文字** `POST /v1/audio/transcriptions` `gemini-3.5-transcribe`](https://ailoot.ai/models/zh-hant-tw/gemini-3-5-transcribe/#method-0) 關於模型 此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。 Gemini 3.5 Transcribe 將音訊檔案轉換成文字。除了轉寫，它也支援語言偵測、說話者區分、逐字時間標記、自訂詞彙表，以及智慧文字整理。 #### 語言與時長 模型支援**超過 85 種語言**，包括俄文，也能處理同一段錄音中的語言切換。語言會自動辨識。一般請求可處理**最長一小時**的音訊；若區分說話者或啟用逐字時間標記，上限會縮短為 **30 分鐘**。 輸出包含完整逐字稿，在相應模式中也包含個別字詞的標註。這個模型用於檔案處理；持續的即時語音辨識屬於獨立版本 `gemini-3.5-transcribe-live`。 #### 轉寫模式 預設模式為逐字轉寫。智慧模式會去除填充詞、處理說話者的自我修正，並整理文字格式；它不能與說話者區分或逐字時間標記一起使用。 說話者區分支援**最多八位說話者**。針對三位以上說話者判斷誰說了哪句話，屬於**實驗功能**。時間標記可將文字與錄音連結，但啟用後可能降低語音辨識準確度。 #### 詞彙與檔案 使用者自訂詞彙表可容納**最多 1 000 筆項目**；Google 表示，通常限制在約一百筆會比較好。詞彙表不能與說話者區分或逐字時間標記一起使用，因此選擇模式時，應考量專門詞彙與詳細的說話者、時間標註何者更重要。 支援的音訊格式包括 WAV、MP3、AIFF、AAC、OGG、FLAC、MPEG、M4A、L16、Opus、A-law、mu-law 與 WebM。檔案處理公布了時長上限及模式搭配限制。Transcribe 系列說明也列出 **96K 個 token 的上下文**與 **32K 個 token 的文字輸出**；這些系列特性不會取代所選方法的檔案限制。 模型不支援上下文快取、程式碼執行、檔案搜尋、函式呼叫、影像創作或 Thinking。它的專門用途是從聲音取得文字與標註，而不是生成新的語音。 **Ailoot · 語音轉文字** `POST /v1/audio/transcriptions` `gemini-3.5-transcribe` [`gemini-3.5-transcribe`](https://ailoot.ai/models/zh-hant-tw/#m=gemini-3.5-transcribe&route=Core&caller=gemini-3.5-transcribe&fmt=transcriptions) Google /`gemini-3.5-transcribe` ### 入門 Google 的語音辨識模型，可偵測語言、區分說話者，並提供逐字時間標記。 接受的輸入 音訊 結果 文字 ### Ailoot 可用 · 輸入與方法 **Ailoot · 語音轉文字** `POST /v1/audio/transcriptions` 輸入 `audio` 輸出 `text` 輸出格式 json | 欄位 | 類型 | 要求 | 值與限制 | 預設值 | | --- | --- | --- | --- | --- | | 欄位`model` | 類型`string` | 要求必填 | 值與限制 gemini-3.5-transcribe | 預設值— | | 欄位`file` | 類型`file` | 要求必填 | 值與限制 位元組數上限: 67,108,864 檔案格式: wav, mp3, m4a, ogg, webm, flac 內容類型: multipart/form-data 時長上限（秒）: 600 | 預設值— | | 欄位`response_format` | 類型`string` | 要求選填 | 值與限制 json | 預設值— | 輸入素材組合 **speech\_to\_text** · 必填： actual audio file 方法參數與生命週期 | 參數 | 規格 | | --- | --- | | 參數`material_types` | 規格audio | | 參數`required` | 規格null | | 參數`optional_controls` | 規格null | 生命週期： `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · 實際回傳的 task\_id 或媒體庫紀錄 `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` 方法結構與 ID 均為精確值；供應商能力與准入狀態分開。 ### 方案 #### Ailoot 方法費率 輸入 US$0.01 *每分鐘，不足一分鐘亦計為一分鐘* Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) ### 請求範例 #### Ailoot · 語音轉文字 轉錄範例 ```bash set -eu : "${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 ``` ### 接收並儲存結果 #### Ailoot · 語音轉文字 json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### 保留所有已完成的結果 請保留所有完整傳回的回應、檔案與內容區塊。 請保留完整 JSON，而非僅保留文字；所有可用的片段／說話者／時間戳記與實際工作／資產身分均須保留。 ##### 需要檢查原始回應時 保留原始 operation\_id/X-Client-Request-ID 以供核對，請勿重新提交；沒有專用的音訊輪詢路由。 回應欄位 | 欄位 | 類型 | | --- | --- | | 欄位`text` | 類型string | | 欄位`segments[]` | 類型object | | 欄位`task_id` | 類型string | | 欄位`asset_url` | 類型string | | 欄位`usage` | 類型object | 錯誤與後續步驟 | 回應 | 條件 | 下一步 | | --- | --- | --- | | 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 | | 回應`server_error` | 條件回傳的回應表示該作業或結果需要檢查 | 下一步保留原始回傳的作業／任務 ID、請求標頭與回應；繼續以支援的方式讀取該原始作業。請勿重新提交建立請求。 | ### 別名 #### 模型別名 **Ailoot** [`gemini-3.5-transcribe`](https://ailoot.ai/models/zh-hant-tw/#m=gemini-3.5-transcribe&route=Core&caller=gemini-3.5-transcribe&fmt=transcriptions) #### 方法路徑別名 請使用上方列出的 API 方法路徑。 #### 相關呼叫用 ID [`gemini-3.5-transcribe`](https://ailoot.ai/models/zh-hant-tw/#m=gemini-3.5-transcribe&route=Core&caller=gemini-3.5-transcribe&fmt=transcriptions) FAQ · Gemini 3.5 Transcribe 可以使用哪些輸入與結果？ `POST /v1/audio/transcriptions` · `gemini-3.5-transcribe`: `audio` → `text` 請求使用哪些欄位？ `POST /v1/audio/transcriptions` · `gemini-3.5-transcribe`: `model`, `file`, `response_format` 將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。 ## 公司及其專案組合 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 ## 優惠購買 token。 訂閱優惠適合持續工作，折扣碼購買 token 最高可折 50%。 訂閱 為定期請求選擇優惠方案。 最高 50% 折扣碼 購買時輸入代碼，價格依活動重算。 歷史中的費用 每次請求保存模型、token 與金額。 [選擇訂閱](https://ailoot.ai/docs/zh-hant-tw/billing/subscriptions/) · [查看模型價格](https://ailoot.ai/models/zh-hant-tw/) ## 將 API 加入 你銷售的產品。 依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人；轉售請申請經銷授權。 商用應用程式 在付費功能加入文字、圖片、影片與聲音生成。 經銷授權 提供專案說明與存取方式，要求書面使用和轉售條件。 網站文件 串接前可閱讀正式服務條款、授權合約與資料處理政策。 [申請經銷授權](mailto:support@ailoot.ai) · [正式服務條款與授權合約](https://ailoot.ai/legal/offer?lang=zh-hant-tw) ## Ailoot · 公司及其專案組合 Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。