Gemini 3.5 Transcribe

Gemini 3.5 Transcribe は、Gemini の音声理解機能に基づく音声入力モデルです。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によってドメイン固有の用語に適応します。

非ストリーミング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 経由のリアルタイムで低レイテンシのストリーミング音声文字変換については、gemini-3.5-transcribe-live を使用したライブ音声文字変換のガイドをご覧ください。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。