हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।

Google: Gemini 3.5 Transcribe

google/gemini-3.5-transcribe

ट्रांसक्रिप्शनइनपुट: audio98K25 सित॰ 2026 को जोड़ा गया

playground में खोलें Google: Gemini 3.5 Transcribe के लिए API key पाएं

Google: Gemini 3.5 Transcribe अभी आज़माएं

ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।

इसे इस्तेमाल करने के लिए साइन इन करेंमुफ्त अकाउंट बनाएं

ट्रांसक्रिप्ट

नतीजे यहां दिखेंगे।

आज 5 में से 5 मुफ्त मैसेज बाकी, मुफ्त अकाउंट से अतिरिक्त मुफ्त उपयोग और API key मिलती है।मुफ्त अकाउंट बनाएं साइन इनसेशन लागत $0.00

Google: Gemini 3.5 Transcribe एक नज़र में

इनपुट कीमत 28 ट्रांसक्रिप्शन मॉडल के मीडियन से 97% कम है।
98,304 tokens की context window, लंबे दस्तावेज़ों और कई चरणों वाली बातचीत के लिए काफी।

Google: Gemini 3.5 Transcribe के बारे में

Google: Gemini 3.5 Transcribe, Google का एक speech-to-text मॉडल है। यह transcription श्रेणी में आता है, और इसकी provider release date 25 September 2026 है। अगर आप ऐसा कुछ भी बना रहे हैं जो रिकॉर्ड की गई या स्ट्रीम की गई speech को लिखित text में बदलता है, तो यह वह मॉडल परिवार है जिसे Google उस काम के लिए पेश करता है, और यह api14 पर model id google/gemini-3.5-transcribe के तहत उपलब्ध है।

मॉडल अपने इनपुट modality के रूप में केवल audio लेता है और आउटपुट के रूप में transcription लौटाता है। इसकी context length 98,304 tokens है और अधिकतम आउटपुट 32,768 tokens है। Google इसे उन synchronous transcription कार्यों के लिए उपयुक्त बताता है जिनमें word-level timestamps या speaker diarization की जरूरत होती है, और यह आठ speakers तक का समर्थन करता है। ये दो बातें तय करती हैं कि आउटपुट से आप क्या उम्मीद कर सकते हैं: केवल text का एक सपाट ब्लॉक नहीं, बल्कि शब्दों के साथ संरेखित timing जानकारी और ऐसे labels जो एक से अधिक व्यक्ति के बोलने पर आवाज़ों को अलग करते हैं।

यह संयोजन काफी विशिष्ट उपयोग मामलों की ओर इशारा करता है। Meeting और call transcripts को diarization से लाभ होता है, क्योंकि आप हर पंक्ति को किसी प्रतिभागी से जोड़ सकते हैं, बजाय यह अनुमान लगाने के कि किसने बोला। Word-level timestamps तब उपयोगी होते हैं जब आपको text को किसी media timeline से संरेखित करना हो, उदाहरण के लिए captions या subtitles बनाना, ऐसे searchable indexes बनाना जो किसी वाक्यांश के बोले जाने के ठीक उसी क्षण पर पहुंचाएं, या playback के दौरान recording के बोले गए हिस्से को highlight करना। Synchronous transcription इंटरैक्टिव परिदृश्यों की भी ओर संकेत करता है, जहां audio अभी आ रहा होता है तब text तैयार होता है, जैसे live captioning या किसी session के दौरान note taking। आठ speaker की सीमा panel discussions, interviews और standups के लिए अधिक उपयुक्त है, बड़े conference rooms के लिए नहीं जहां कई बदलती आवाज़ें हों।

इसे api14 के जरिए call करना platform पर किसी भी अन्य मॉडल की तरह ही काम करता है, क्योंकि API OpenAI-compatible है। आप अपना request chat completions endpoint पर model id google/gemini-3.5-transcribe के साथ भेजते हैं और अपना audio इनपुट के रूप में देते हैं। शुरू करने से पहले एक बात जांच लें: इस मॉडल की supported parameters सूची खाली है, इसलिए आपको यह नहीं मानना चाहिए कि temperature, top_p या max_tokens जैसे sampling controls स्वीकार किए जाएंगे या व्यवहार बदलेंगे। अपना integration defaults के आसपास बनाएं और audio payload तथा model id को उन हिस्सों के रूप में मानें जो आपके नियंत्रण में हैं।

ध्यान में रखने योग्य मुख्य बाधाएं इनपुट और आउटपुट प्रकार तथा आकार सीमाएं हैं। अंदर केवल audio जाता है, और बाहर केवल transcription आता है, इसलिए यह वह मॉडल नहीं है जिसे आप तब चुनें जब आपको उसी call में transcript पर reasoning, summarisation, translation या कोई अन्य text generation चाहिए। उसके लिए आप transcript को किसी general purpose text model को देंगे। 98,304 token context और 32,768 token output की सीमा का यह भी मतलब है कि बहुत लंबी recordings को chunks में बांटना पड़ सकता है, और अगर आपके audio में आठ से अधिक अलग speakers हैं, तो diarization सभी को कवर न कर पाए।

Google: Gemini 3.5 Transcribe API कैसे कॉल करें

अपने dashboard में API key बनाएं।
अपनी भाषा के लिए आधिकारिक openai SDK इंस्टॉल करें।
baseURL को https://api14.com/api/v1 और model को "google/gemini-3.5-transcribe" पर सेट करें।

import fs from "node:fs";
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api14.com/api/v1",
  apiKey: process.env.API14_API_KEY,
});

const result = await client.audio.transcriptions.create({
  model: "google/gemini-3.5-transcribe",
  file: fs.createReadStream("audio.mp3"),
});
console.log(result.text);

स्पेसिफिकेशन

Context लंबाई: 98,304
अधिकतम आउटपुट: 32,768
इनपुट: audio
आउटपुट: transcription

api14 पर requests · पिछले 7 दिन

Google: Gemini 3.5 Transcribe: अक्सर पूछे जाने वाले सवाल

Google: Gemini 3.5 Transcribe API की कीमत कितनी है?: Google: Gemini 3.5 Transcribe की कीमत ऑडियो $0.000420 / मिनट है। शुल्क आपके USD बैलेंस से सिर्फ सफल requests के लिए कटता है; फेल हुई requests मुफ्त हैं।
Google: Gemini 3.5 Transcribe की context window कितनी है?: Google: Gemini 3.5 Transcribe हर request में 98,304 tokens तक पढ़ता है, prompt, इतिहास और दस्तावेज़ मिलाकर। यह हर जवाब में 32,768 आउटपुट tokens तक लिखता है।
Google: Gemini 3.5 Transcribe क्या कर सकता है?: Google: Gemini 3.5 Transcribe audio स्वीकार करता है और transcription लौटाता है।
अपने कोड से Google: Gemini 3.5 Transcribe कैसे कॉल करूं?: किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "google/gemini-3.5-transcribe" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
Google: Gemini 3.5 Transcribe के विकल्प क्या हैं?: मिलती-जुलती कीमत वाले ट्रांसक्रिप्शन मॉडल: OpenAI: GPT-4o Transcribe, OpenAI: GPT-4o Mini Transcribe, NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।

Google: Gemini 3.5 Transcribe कम्युनिटी

नया टॉपिक

इस कम्युनिटी में अभी कोई टॉपिक नहीं है। Google: Gemini 3.5 Transcribe के बारे में पहला टॉपिक खोलें।