Source: https://ailoot.ai/models/zh-hant-tw/google-gemini-3-5-transcribe/ Canonical: https://ailoot.ai/models/zh-hant-tw/google-gemini-3-5-transcribe/ Language: zh-hant-tw # Google: Gemini 3.5 Transcribe [Markdown](https://ailoot.ai/models/zh-hant-tw/google-gemini-3-5-transcribe/index.md) · [JSON](https://ailoot.ai/models/zh-hant-tw/google-gemini-3-5-transcribe/facts.json) ## [Google: Gemini 3.5 Transcribe](https://ailoot.ai/models/zh-hant-tw/google-gemini-3-5-transcribe/) Google Gemini 3.5 Transcribe 將錄製語音轉為文字，具備自動語言偵測、自訂詞彙，以及可選的單字時間資訊或講者分離。需要時間資訊及講者歸屬時選擇 VERBATIM；需要易讀聽寫時選擇 SMART。SMART 無法與上述兩項功能結合。 - [**Ailoot Ultra · 語音轉文字** `POST /v1/audio/transcriptions` `google/gemini-3.5-transcribe`](https://ailoot.ai/models/zh-hant-tw/google-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。 Google Gemini 3.5 Transcribe 是將完整預錄音訊檔案轉為書面語音內容的同步模型。它以 Gemini 的音訊理解能力為基礎，但具備轉錄專用的輸入與輸出契約。另一個獨立的 Gemini 3.5 Transcribe Live 版本接收音訊串流並回傳增量結果。此錄製音訊模型產生完整轉錄稿，並依所選設定提供可選的單字時間資訊或講者歸屬。 請準備清楚的錄音，避免語音嚴重削波，並盡可能讓不同聲音有明確分隔。製造商的同步範例以檔案位元組或儲存的音訊資源傳入 WAV 音訊，並指定 MIME 類型。請保留原始音訊供檢查。所需成果可能是經核對的訪談稿、字幕對齊紀錄或易讀聽寫；結合會改變文字或新增中繼資料的功能之前，應先決定需要哪種成果。 Google 記載了涵蓋超過 85 種語言的自動語言偵測，包括同一工作階段內混用語言。各語言支援程度不同，已知語言提示可以改善辨識。自訂詞彙提供錄音中可能出現的特殊姓名、品牌或專業術語。開發者允許最多 1,000 個詞，並指出聚焦且最多約 100 個詞的清單通常效果最好。罕見詞應與錄音相關，並對照音訊檢查，不要假設詞彙提示就能證明該詞確實被說出。 VERBATIM 是預設模式。它保留贅詞、重複、起頭重說及口頭修正，讓文字維持原始措辭紀錄。需要單字層級時間戳記或講者分離時，應使用此模式。例如訪談應保留原始回合與時間資訊，再透過聆聽相關段落修正重要姓名及數量。之後的摘要或潤飾文章可使用這份經檢查的紀錄，而不默默取代講者原話。 SMART 模式專為易讀聽寫設計。它移除不流暢語句、處理說話中當場自我修正，並將口述素材組織為段落或清單，適當時也正規化日期與數字。口述待辦清單可以變成易讀清單，而非一長串口頭轉折。這項處理會改變轉錄稿形式。Google 明確表示 SMART 與單字時間戳記及講者分離不相容，因此需要易讀文字成果時才選用，不要嘗試將它當成具時間資訊及講者歸屬的紀錄。 啟用單字時間資訊後，回應包含辨識出的單字及起訖偏移量，可用於在錄音中定位修正或準備字幕。開發者指出，啟用單字層級時間戳記會犧牲部分準確性。請同時檢查文字及對齊，尤其是快速語音、重疊聲音或特殊術語處。實用的時間化轉錄稿應將單字紀錄與來源音訊一併保留，而非把流暢句子視為對齊正確的證明。 講者分離會識別並標記錄製音訊中的聲音，文件記載最多八位講者。開發者將三位以上講者的歸屬標示為實驗性功能。請將標籤視為推斷出的講者分組，並對照錄音檢查轉換。講者標籤不是個人身分或角色的獨立證據。若任務需要姓名，應依已知錄音資訊將標籤關聯至姓名，而非從辨識文字杜撰身分。 製造商功能表列出 15 分鐘的錄製音訊視窗；啟用時間戳記或講者分離等功能時，檔案處理受此長度限制。較長來源素材應分成適當片段，同時保留順序及原始時間位置。模型的轉錄稿、帶時間資訊的單字及講者標記部分，是不同的結果表示；應保留任務需要的表示方式。這些音訊專用上限不應換成一般 Gemini 多模態模型的上下文或時長數字。Google 將 SMART 格式化、單字層級時間戳記及講者分離列為實驗性功能。 輸出契約專用於轉錄。SMART 格式化建立易讀文字，但不會新增一般 JSON-schema 回應契約、工具呼叫能力或遵循指令的助理流程。最終成果應對照音訊核對重要措辭、數字及否定詞，保留任何尚未解決的片段供修正，並隨結果記錄所選模式。這能清楚表明交付內容是原始口述措辭紀錄，還是由其編輯而成的易讀版本。 **Ailoot Ultra · 語音轉文字** `POST /v1/audio/transcriptions` `google/gemini-3.5-transcribe` [`google/gemini-3.5-transcribe`](https://ailoot.ai/models/zh-hant-tw/#m=google%2Fgemini-3.5-transcribe&route=Ultra&caller=google%2Fgemini-3.5-transcribe&fmt=transcriptions) Google /`google/gemini-3.5-transcribe` ### 入門 Google Gemini 3.5 Transcribe 將錄製語音轉為文字，具備自動語言偵測、自訂詞彙，以及可選的單字時間資訊或講者分離。需要時間資訊及講者歸屬時選擇 VERBATIM；需要易讀聽寫時選擇 SMART。SMART 無法與上述兩項功能結合。 接受的輸入 音訊 結果 文字 ### Ailoot 可用 · 輸入與方法 **Ailoot Ultra · 語音轉文字** `POST /v1/audio/transcriptions` 輸入 `audio` 輸出 `text` | 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 google/gemini-3.5-transcribe | 預設值— | | 欄位`input_audio` | 類型`object` | 要求必填 | 值與限制 | 預設值— | | 欄位`language` | 類型`string` | 要求選填 | 值與限制 | 預設值— | | 欄位`temperature` | 類型`number` | 要求選填 | 值與限制 最小值: 0 最大值: 1 | 預設值— | | 欄位`response_format` | 類型`string` | 要求選填 | 值與限制 json, verbose\_json | 預設值json | | 欄位`timestamp_granularities` | 類型`array` | 要求選填 | 值與限制 | 預設值— | | 欄位`provider` | 類型`object` | 要求選填 | 值與限制 | 預設值— | 方法參數與生命週期 | 參數 | 規格 | | --- | --- | | 參數`content_type` | 規格application/json | | 參數`required` | 規格model, input\_audio | | 參數`material_types` | 規格audio | | 參數`material_conditions` | 規格請讀取實際的 WAV 檔案，並將其真實位元組編碼，用於所宣告的 JSON input\_audio；此確切的純 JSON 宣告並未提供 multipart 路由。 | 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}` ### 方案 ##### 最終費用的計算方式 顯示的費率用於在生成前估算費用。最終費用依原始生成作業記錄的成本計算。實測的輸出時間長度與預估數量並非最終計費數量。 費率資訊不會增加請求選項。支援的參數列於所選方法中。 快速模式 未指定 選取快速模式時 flex 模式 未指定 選取 flex 模式時 最高推理強度 未指定 最高推理強度採用 default 調整值時 #### 供比較的預估費率 #### 各設定的價格 請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。 | 設定 | 費率表 | 預估數量 | 計費單位 | 費用 | | --- | --- | --- | --- | --- | | 設定基礎 token 費率 | 費率表基本費率 | 預估數量— | 計費單位— | 費用 輸入 · 輸入 Token · 僅供比較的估算 **—** / 1K Token 輸出 · 輸出 Token · 僅供比較的估算 **—** / 1K Token 輸入 · 讀取快取 · 僅供比較的估算 **—** / 1K Token 輸入 · 寫入快取 · 僅供比較的估算 **—** / 1K Token 輸入 · 寫入快取，1 小時 · 僅供比較的估算 **—** / 1K Token | | 設定輸入 token | 費率表— | 預估數量— | 計費單位/ 1K Token | 費用 輸入 · 僅供比較的估算 **$0.004** / 1K Token | | 設定輸出 token | 費率表— | 預估數量— | 計費單位/ 1K Token | 費用 輸出 · 僅供比較的估算 **$0.024** / 1K Token | | 設定預估生成費用 | 費率表— | 預估數量單次生成估算值 | 計費單位— | 費用 輸出 · 預估生成費用 · 僅供比較的估算 **$1.179648** 生成前估算 此估算並非額外費用，也不是本次生成完成後的固定費率。 | Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) ### 請求範例 #### Ailoot Ultra · 語音轉文字 curl · 精確的原生請求主體與完整結果 ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### 接收並儲存結果 #### Ailoot Ultra · 語音轉文字 - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` 其他內容讀取方式 讀取現有且屬於自己的素材 ```bash set -eu : "${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. ``` ##### 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。 保留完整回應與標頭、所有實際輸出、原始回傳的識別碼，以及所有用量欄位。恢復原始作業時，請勿再次提交建立請求。 ##### 需要檢查原始回應時 保留回傳的 X-Client-Request-ID，以供核對。僅讀取實際回傳的 task\_id/asset\_id 值或自己擁有的媒體庫；請勿以作業 ID 組成任務 URL，也請勿重新提交建立請求。 回應欄位 | 欄位 | 類型 | | --- | --- | | 欄位`text` | 類型 | | 欄位`usage` | 類型 | | 欄位`segments[]` | 類型 | | 欄位`words[]` | 類型 | | 欄位`speaker fields` | 類型 | | 欄位`timestamps` | 類型 | ### 別名 #### 模型別名 **Ailoot Ultra** [`google/gemini-3.5-transcribe`](https://ailoot.ai/models/zh-hant-tw/#m=google%2Fgemini-3.5-transcribe&route=Ultra&caller=google%2Fgemini-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 [`google/gemini-3.5-transcribe`](https://ailoot.ai/models/zh-hant-tw/#m=google%2Fgemini-3.5-transcribe&route=Ultra&caller=google%2Fgemini-3.5-transcribe&fmt=transcriptions) FAQ · Google: Gemini 3.5 Transcribe 可以使用哪些輸入與結果？ `POST /v1/audio/transcriptions` · `google/gemini-3.5-transcribe`: `audio` → `text` 請求使用哪些欄位？ `POST /v1/audio/transcriptions` · `google/gemini-3.5-transcribe`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` 適用哪些限制？ `POST /v1/audio/transcriptions` · `google/gemini-3.5-transcribe`: `temperature.minimum`: `0`; `temperature.maximum`: `1` 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。