AI TOOLS RADAR
Wszystkie modele / GOOGLE
google logo
google

Google: Gemini 3.5 Transcribe

Opis źródłowy (angielski)

Gemini 3.5 Transcribe is a speech-to-text model from Google. It is suited for synchronous transcription that needs word-level timestamps or speaker diarization, with support for up to eight speakers. Audio...

Zobacz źródło w OpenRouter
Przegląd

Specyfikacja modelu

Kontekst
98 304 tokens
Maksymalne wyjście
32 768 tokens
Architektura
audio->transcription
Tokenizer
Gemini
Granica wiedzy
Brak danych
Moderowany
Nie
OPENROUTER

Pełny cennik

Stawki zsynchronizowane z OpenRouter, za milion tokenów.

Wejście
$2
za milion tokenów
Wyjście
$12
za milion tokenów
API

Szybki start

Ustaw lokalnie OPENROUTER_API_KEY. Python wymaga requests, a JavaScript działa w Node.js. Klucz przechowuj na serwerze.

Dokumentacja API

curl --fail-with-body https://openrouter.ai/api/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -F 'model=google/gemini-3.5-transcribe' \
  -F 'file=@audio.wav'
Możliwości i modalności

Wejście → Wyjście

Wejście
audio
Wyjście
transcription
API

Obsługiwane parametry API

Dostępni dostawcy

1 Dostawca

Sprawdzono: 25 września 2026

Dostawcy na żywo w OpenRouter

Dostępność, opóźnienie, przepustowość i routing stale się zmieniają. Aktualne dane są na stronie źródłowej.

OpenRouter

Google AI Studio

Brak danych
Kontekst
98K
Maksymalne wyjście
33K
google

4 modele

Wszystkie modele
google logogoogle

Google: Gemini 4 Argon

Gemini 4 Argon is Google's flagship reasoning model, built for complex software engineering, deep mathematical and scientific problem solving, and autonomous multi-step agents. Google trained it to keep context across...

Kontekst
1.0M
Wejście
audio · file · image · text · video
Wyjście
text
Wejście: $2Wyjście: $10za milion tokenów
Zobacz szczegóły modelu →
google logogoogle

Google: Gemini 4 Argon (batch)

Gemini 4 Argon is Google's flagship reasoning model, built for complex software engineering, deep mathematical and scientific problem solving, and autonomous multi-step agents. Google trained it to keep context across...

Kontekst
1.0M
Wejście
audio · file · image · text · video
Wyjście
text
Wejście: $1Wyjście: $5za milion tokenów
Zobacz szczegóły modelu →
google logogoogle

Google: Nano Banana 2.1

Nano Banana 2.1 (Gemini Nano Banana 2.1) is Google's image generation and editing model on the Flash tier, succeeding Nano Banana 2 and Nano Banana Pro. It improves product recontextualization,...

Kontekst
66K
Wejście
image · text
Wyjście
image · text
Wejście: $1.5 za milion tokenówWyjście: $7.5 za milion tokenów
Zobacz szczegóły modelu →
google logogoogle

Google: Gemini 3.8 Flash Lite TTS

Gemini 3.8 Flash Lite TTS is a text-to-speech model from Google and the fast, high-throughput member of the 3.8 TTS family alongside Gemini 3.8 Flash TTS. It is suited for...

Kontekst
33K
Wejście
text
Wyjście
speech
Wejście: $0.5 za milion tokenów tekstowychWyjście: $6 za milion tokenów audio
Zobacz szczegóły modelu →