Google: Gemini 3.5 Transcribe

Описание

Gemini 3.5 Transcribe — это модель преобразования речи в текст от Google. Она подходит для синхронной транскрипции, требующей временных меток на уровне слов или диаризации диктора, с поддержкой до восьми дикторов. Длительность аудио может составлять до одного часа или 30 минут при включении временных меток или диаризации.

Характеристики

API и примеры кода

from openai import OpenAI

client = OpenAI(
    base_url="https://infergate.ru/api/v1",
    api_key="sk-•••",
)

with open("speech.mp3", "rb") as f:
    resp = client.audio.transcriptions.create(
        model="google/gemini-3.5-transcribe",
        file=f,
        language="ru",
    )
print(resp.text)

Поддерживаемые параметры запроса