Google: Gemini 3.5 Transcribe

Google: Gemini 3.5 Transcribe, Google tarafından sunulan bir konuşmadan metne modelidir. Transkripsiyon kategorisinde yer alır ve sağlayıcı sürüm tarihi 25 Eylül 2026'dır. Kaydedilmiş veya akış halindeki konuşmayı yazılı metne dönüştüren herhangi bir şey geliştiriyorsanız, bu Google'ın bu iş için konumlandırdığı model ailesidir ve api14 üzerinde google/gemini-3.5-transcribe model kimliğiyle kullanılabilir.

Model, tek girdi modalitesi olarak ses alır ve çıktı olarak transkripsiyon döndürür. 98.304 token bağlam uzunluğuna ve 32.768 token maksimum çıktıya sahiptir. Google bunu, kelime düzeyinde zaman damgaları veya konuşmacı ayrıştırma gerektiren, sekiz konuşmacıya kadar destek sunan senkron transkripsiyon için uygun olarak tanımlar. Bu iki ayrıntı çıktıdan neler bekleyebileceğinizi şekillendirir: sadece düz bir metin bloğu değil, kelimelerle hizalanmış zamanlama bilgisi ve birden fazla kişi konuştuğunda sesleri ayıran etiketler.

Bu kombinasyon oldukça belirli bir kullanım senaryoları kümesine işaret eder. Toplantı ve çağrı transkriptleri konuşmacı ayrıştırmadan fayda görür, çünkü her satırı kimin konuştuğunu tahmin etmek yerine bir katılımcıya atayabilirsiniz. Kelime düzeyinde zaman damgaları, metni bir medya zaman çizelgesine hizalamanız gerektiğinde kullanışlıdır; örneğin altyazı veya alt yazı oluşturmak, bir ifadenin söylendiği tam ana atlayan aranabilir dizinler oluşturmak veya oynatma sırasında bir kaydın konuşulan kısmını vurgulamak için. Senkron transkripsiyon, ses hâlâ gelirken metnin üretildiği etkileşimli senaryolara da işaret eder; örneğin canlı altyazı veya bir oturum sırasında not alma. Sekiz konuşmacı sınırı, panel tartışmalarına, röportajlara ve günlük toplantılara, çok sayıda değişen sesin olduğu büyük konferans salonlarından daha uygundur.

api14 üzerinden çağırmak, platformdaki diğer herhangi bir modelle aynı şekilde çalışır, çünkü API OpenAI uyumludur. İsteğinizi google/gemini-3.5-transcribe model kimliğiyle ve girdi olarak sesinizle chat completions uç noktasına gönderirsiniz. Başlamadan önce kontrol edilmesi gereken bir şey: bu model için desteklenen parametreler listesi boştur, bu nedenle temperature, top_p veya max_tokens gibi örnekleme kontrollerinin kabul edileceğini veya davranışı değiştireceğini varsaymamalısınız. Entegrasyonunuzu varsayılanlar etrafında kurun ve kontrol ettiğiniz parçalar olarak ses yükünü ve model kimliğini ele alın.

Akılda tutulması gereken ana kısıtlar girdi ve çıktı türleri ile boyut sınırlarıdır. Yalnızca ses girer ve yalnızca transkripsiyon çıkar, bu nedenle aynı çağrıda transkript üzerinde akıl yürütme, özetleme, çeviri veya başka bir metin üretimi gerekiyorsa başvurulacak model bu değildir. Bunun için transkripti genel amaçlı bir metin modeline geçirirsiniz. 98.304 token bağlam ve 32.768 token çıktı tavanı da çok uzun kayıtların parçalara bölünmesi gerekebileceği anlamına gelir ve sesinizde sekizden fazla farklı konuşmacı varsa konuşmacı ayrıştırma herkesi kapsamayabilir.