Gemini 3.5 Transcribe

Gemini 3.5 Transcribe は、Gemini の音声理解機能に基づく音声テキスト変換モデルです。発話ベースの言語検出、話者ダイアライゼーション、単語レベルのタイムスタンプ、スマート音声文字変換、カスタム語彙の音声バイアスにより、低レイテンシで正確な音声文字変換を実現します。

ドキュメント

Gemini 3.5 Transcribe は、音声ファイルから音声をテキストに変換します。85 以上の言語を自動的に検出し、多言語のコード切り替えを処理し、個々の話者を識別し、単語レベルのタイムスタンプを出力し、カスタム語彙バイアスを使用してドメイン固有の用語に適応します。

ストリーミング以外の機能の詳細については、音声文字変換ガイドをご覧ください。WebSocket 経由でのリアルタイムの低レイテンシ ストリーミング音声文字変換については、ライブ音声文字変換 ガイド（gemini-3.5-transcribe-live を使用）をご覧ください。料金の詳細については、料金ページをご覧ください。

gemini-3.5-transcribe

機能のサポートと制限事項

Gemini 3.5 Transcribe は、2 つのエンドポイントで次の機能をサポートしています。

サポートされている言語

Gemini 3.5 Transcribe では、次の言語と BCP-47 言語コードがサポートされています。