Gemini 3.5 Transcribe

مدل صوتی از گوگل

به فارسی:جمنای ۳.۵ ترنسکرایبجمینای ۳.۵ ترنسکرایب

این مدل چیست؟

Gemini 3.5 Transcribe مدل تبدیل گفتار به متن گوگل بر پایهٔ درک صوتی Gemini است که اوت ۲۰۲۶ معرفی شد. بیش از ۸۵ زبان، از جمله فارسی، را خودکار تشخیص می‌دهد، تا ۸ گوینده را تفکیک می‌کند و زمان‌بندی کلمه‌ای، واژه‌نامهٔ سفارشی و قالب‌بندی هوشمند متن دارد؛ هر درخواست تا یک ساعت صدا می‌گیرد و نسخهٔ زنده هم دارد. نرخ خطای کلمه در سنجش انگلیسی Artificial Analysis حدود ۲٫۶٪ است و از Gemini API، Google AI Studio و OpenRouter در دسترس است.

سازنده: گوگل (Google)

Google مدل‌های هوش مصنوعی خود را در آزمایشگاه Google DeepMind می‌سازد: مدل‌های زبانی Gemini، مدل‌های باز Gemma، تصویرساز Nano Banana، ویدیوساز Veo و مدل‌های گفتار Gemini TTS. این مدل‌ها در اپ Gemini، Google AI Studio و Gemini API در دسترس‌اند.

کجا می‌شود از آن استفاده کرد؟

جایگاه در جدول‌های مقایسه

  • سنجش گفتار به متن Artificial AnalysisGemini 3.5 Transcribe
    رتبهٔ ۱۰خطای کلمه ۲٫۶٪$۵ برای ۱۰۰۰ دقیقه صدا
مقایسهٔ کامل مدل‌ها

مدل‌های دیگر گوگل