Google: Gemini 3.5 Transcribe
گفتار به متنمدل گفتار به متن از Google: آنچه در یک فایل صوتی گفته میشود را مینویسد.
- قیمت
- هر میلیون توکن: ورودی 720,776 تومان · خروجی 4,324,656 تومان
- اندپوینت
- POST /v1/audio/transcriptions
- انتشار
- ۳ مهر ۱۴۰۵
- امکانات
- با زمانبندی جملهها و کلمهها
- سازنده
قیمتهای طرح رایگان، به تومان با نرخ امروز. طرحها و قیمتها
قیمت در هر طرح
به ازای هر میلیثانیه صدایی که شنیده میشود، اینجا برای هر دقیقه، به تومان با نرخ امروز؛ هرگز کمتر از هزینهٔ ارائهدهنده بهاضافهٔ سود طرح شما.
| طرح | قیمت |
|---|---|
| رایگان | هر میلیون توکن: ورودی 720,776 تومان · خروجی 4,324,656 تومان |
| حرفهای | هر میلیون توکن: ورودی 691,236 تومان · خروجی 4,147,416 تومان |
| مکس | هر میلیون توکن: ورودی 661,696 تومان · خروجی 3,970,176 تومان |
دربارهٔ این مدل
توضیح سازندهٔ مدل، به انگلیسی:
Gemini 3.5 Transcribe is a speech-to-text model from Google. It is suited for synchronous transcription that needs word-level timestamps or speaker diarization, with support for up to eight speakers.
فراخوانی
curl https://ai.fluxcdn.cloud/api/v1/audio/transcriptions -H "Authorization: Bearer $FLUXCDN_API_KEY" \
-F file=@voice.mp3 -F model=google/gemini-3.5-transcribe -F language=fa \
-F response_format=srt
