پرش به محتوا
FluxCDNFluxCDN
esc
ورود

Google: Gemini 3.5 Transcribe

گفتار به متن

مدل 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
Google

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.

طرحقیمت
رایگانهر میلیون توکن: ورودی 720,776 تومان · خروجی 4,324,656 تومان
حرفه‌ایهر میلیون توکن: ورودی 691,236 تومان · خروجی 4,147,416 تومان
مکسهر 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