Gemini 3.5 Transcribe

Gemini 3.5 Transcribe — модель Google для преобразования аудиофайлов в текст, выпущенная 26 августа 2026 года. Она предназначена для пакетной расшифровки записей, а не для диалога с пользователем или генерации речи.

Что умеет расшифровка

Модель автоматически определяет язык более чем в 85 языках, умеет отмечать отдельных говорящих, расставлять временные метки на уровне слов и применять пользовательский словарь терминов. Режим интеллектуальной расшифровки может убирать слова-паразиты и оформлять результат с учётом смысла фразы. Эти параметры доступны в API и могут влиять на точность.

Ограничения аудиофайлов

Обычный запрос может содержать аудио длительностью до одного часа. Если включить разделение по говорящим или временные метки, ограничение составляет 30 минут. Google отмечает, что временные метки могут снижать точность и несовместимы с пользовательским словарём; диаризация для трёх и более участников обозначена как экспериментальная.

Отличие от потоковой версии

Для транскрибации речи во время разговора предназначена Gemini 3.5 Transcribe Live. Её сессия ограничена десятью минутами; в потоковой версии нет временных меток слов и диаризации. Для обработки готовых записей используется текущая страница.

Идентификатор API и статус поддержки

Официальные данные Google на 29 сентября 2026 года

Точный идентификатор модели: gemini-3.5-transcribe; gemini-3.5-transcribe-live. Дата выпуска: 2026-08-26. Текущий статус: обе версии представлены как GA; дата отключения не объявлена.

Первый ID предназначен для обработки готовой записи обычным запросом, второй — для потоковой транскрибации по WebSocket через Live API. Это два режима обработки речи одной линейки; потоковая версия не поддерживает словесные временные метки и диаризацию. Источник: официальная карточка модели Google и таблица жизненного цикла Gemini API. Список выпусков: журнал релизов Google.

Сравните связанные версии из каталога Futuretools

Gemini 3.8 Live для голосового диалога · Gemini 3.5 Live Translate для перевода речи · Gemini 3.1 Flash TTS для синтеза речи

Разработчик и первичный источник

Страница разработчика: Google DeepMind в Вики Futuretools.ru.

Официальный источник: материал разработчика.