Gemini 3.5 Transcribe

Gemini 3.5 Transcribe เป็นโมเดลการแปลงเสียงเป็นข้อความที่อิงตามความสามารถในการทำความเข้าใจเสียงของ Gemini โดยจะให้การถอดเสียงที่แม่นยำและมีเวลาในการตอบสนองต่ำ พร้อมการตรวจหาภาษาตามคำพูด การระบุผู้พูด การประทับเวลาที่ระดับคำ การถอดเสียงอัจฉริยะ และการปรับคำพูดตามคำศัพท์ที่กำหนดเอง

เอกสารประกอบ

Gemini 3.5 Transcribe จะแปลงเสียงพูดเป็นข้อความจากไฟล์เสียง โดยจะตรวจจับภาษาได้มากกว่า 85 ภาษาโดยอัตโนมัติ จัดการการสลับภาษาในโค้ด ระบุผู้พูดแต่ละคน แสดงการประทับเวลาที่ระดับคำ และปรับให้เข้ากับคำศัพท์เฉพาะโดเมนผ่านการกำหนดค่าคำศัพท์ที่กำหนดเอง

ดูคำแนะนำเกี่ยวกับการถอดเสียงเป็นคำของเสียงเพื่อดูข้อมูลทั้งหมดเกี่ยวกับฟีเจอร์ที่ไม่ใช่การสตรีม หากต้องการถอดเสียงสตรีมแบบเรียลไทม์ที่มีเวลาในการตอบสนองต่ำผ่าน WebSockets โปรดไปที่คู่มือการถอดเสียงเป็นคำแบบสดโดยใช้ gemini-3.5-transcribe-live ดูราคาโดยละเอียดได้ที่หน้าราคา

gemini-3.5-transcribe

การรองรับฟีเจอร์และข้อจำกัด

Gemini 3.5 Transcribe รองรับฟีเจอร์ต่อไปนี้ใน 2 Endpoint

ภาษาที่รองรับ

Gemini 3.5 Transcribe รองรับภาษาและรหัสภาษา BCP-47 ต่อไปนี้