মিথুন ৩.৫ প্রতিলিপি

জেমিনি ৩.৫ ট্রান্সক্রাইব হলো জেমিনির অডিও বোঝার ক্ষমতার উপর ভিত্তি করে তৈরি একটি স্পিচ-টু-টেক্সট মডেল। এটি উচ্চারণ-ভিত্তিক ভাষা শনাক্তকরণ, স্পিকার ডায়ারাইজেশন, শব্দ-স্তরের টাইমস্ট্যাম্প, স্মার্ট ট্রান্সক্রিপশন এবং কাস্টম শব্দভান্ডার স্পিচ বায়াসিং-এর মাধ্যমে স্বল্প-বিলম্বের ও নির্ভুল ট্রান্সক্রিপশন প্রদান করে।

ডকুমেন্টেশন

জেমিনি ৩.৫ ট্রান্সক্রাইব অডিও ফাইল থেকে কথাকে টেক্সটে রূপান্তর করে। এটি স্বয়ংক্রিয়ভাবে ৮৫টিরও বেশি ভাষা শনাক্ত করে, বহুভাষিক কোড-সুইচিং সামলায়, স্বতন্ত্র বক্তাদের চিহ্নিত করে, শব্দ-স্তরের টাইমস্ট্যাম্প আউটপুট করে এবং কাস্টম ভোকাবুলারি বায়াসিংয়ের মাধ্যমে বিষয়-নির্দিষ্ট পরিভাষার সাথে নিজেকে মানিয়ে নেয়।

নন-স্ট্রিমিং ফিচারগুলোর সম্পূর্ণ বিবরণের জন্য অডিও ট্রান্সক্রিপশন গাইড দেখুন। ওয়েবসকেটের মাধ্যমে রিয়েল-টাইম, লো-ল্যাটেন্সি স্ট্রিমিং ট্রান্সক্রিপশনের জন্য gemini-3.5-transcribe-live ব্যবহার করে লাইভ ট্রান্সক্রিপশন গাইডটি দেখুন। বিস্তারিত মূল্যের জন্য প্রাইসিং পেজ দেখুন।

gemini-3.5-transcribe

বৈশিষ্ট্য সমর্থন এবং সীমাবদ্ধতা

Gemini 3.5 Transcribe তার দুটি এন্ডপয়েন্ট জুড়ে নিম্নলিখিত বৈশিষ্ট্যগুলি সমর্থন করে:

সমর্থিত ভাষা

Gemini 3.5 Transcribe-এর জন্য নিম্নলিখিত ভাষা এবং BCP-47 ভাষা কোডগুলি সমর্থিত: