AI TOOLS RADAR
全部模型 / GOOGLE
google logo
google

Google: Gemini 3.5 Transcribe

来源介绍（英文）

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...

在 OpenRouter 查看来源
模型概览

模型规格

上下文
98,304 tokens
最大输出
32,768 tokens
架构
audio->transcription
分词器
Gemini
知识截止时间
暂未提供
内容审核
否
OPENROUTER

完整价格

同步自 OpenRouter。Token 价格均按每百万 Token 展示。

输入
$2
每百万 Token
输出
$12
每百万 Token
API

快速调用

在本地设置 OPENROUTER_API_KEY。Python 需安装 requests；JavaScript 在 Node.js 中运行。密钥应保存在服务端。

API 文档

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'
能力与模态

输入 → 输出

输入
audio
输出
transcription
API

支持的 API 参数

可用提供方

1 提供方

核验日期: 2026年9月25日

在 OpenRouter 查看实时 Provider

Provider 可用性、延迟、吞吐量和路由会持续变化，请前往来源页面查看实时运行数据。

OpenRouter

Google AI Studio

暂未提供
上下文
98K
最大输出
33K
google

4 个模型

全部模型
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...

上下文
8K
输入
text
输出
speech
输入: $0.5 每百万文本 Token输出: $6 每百万音频 Token
查看模型详情 →
google logogoogle

Google: Gemini 3.8 Flash TTS

Gemini 3.8 Flash TTS is a text-to-speech model from Google and the successor to Gemini 3.1 Flash TTS Preview. It is the creative tier of the 3.8 TTS family, suited...

上下文
8K
输入
text
输出
speech
输入: $0.5 每百万文本 Token输出: $9 每百万音频 Token
查看模型详情 →
google logogoogle

Google: Gemini 3.8 Flash

Gemini 3.8 Flash is Google's most intelligent Flash model with significant gains from 3.7 Flash across software engineering, agentic tasks, and multi-step reasoning.

上下文
1.0M
输入
text · image · video · file · audio
输出
text
输入: $0.75输出: $3.75每百万 Token
查看模型详情 →
google logogoogle

Google: Gemini 3.8 Flash (batch)

Gemini 3.8 Flash is Google's most intelligent Flash model with significant gains from 3.7 Flash across software engineering, agentic tasks, and multi-step reasoning.

上下文
1.0M
输入
text · image · video · file · audio
输出
text
输入: $0.375输出: $1.875每百万 Token
查看模型详情 →