gemini-3.5-transcribe-live
Red Neuronal
Características
- Entrada
- texto, imágenes, documentos
- Salida
- texto, audio
- Niveles de razonamiento
- bajo, medio, alto
- Funciones
- razonamiento, llamada a funciones
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Prompt de imagen
(por 1K tokens)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
// Sync - Text generation
async function main() {
const chatCompletion = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'gemini-3.5-transcribe-live',
});
}
// Async - Text generation
async function main() {
const stream = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'gemini-3.5-transcribe-live',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Cómo funciona gemini-3.5-transcribe-live?
Preguntas frecuentes sobre gemini-3.5-transcribe-live
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
gemini-3.5-transcribe-live es un modelo de google-gemini que, según nuestros datos, genera audio: describes la tarea con texto y obtienes una pista de audio como resultado. Es adecuado para doblar vídeos, podcasts, materiales educativos y guiones de voz en productos. Acceso desde Rusia sin VPN ni tarjeta extranjera, pago por uso basado en tokens.
Los formatos específicos y la tasa de bits no están indicados en nuestros datos, así que guíese por el resultado en la interfaz: el audio se puede escuchar y descargar. Un contexto de 65 536 tokens y hasta 32 000 tokens por respuesta permiten trabajar con textos largos en una sola solicitud.
En nuestros datos no hay mención sobre razonamiento antes de responder, y esto no es una negación de la posibilidad, sino una falta de confirmación. Para la locución, generalmente no se necesitan reflexiones detalladas: es más importante formular la tarea con precisión. Si necesita largas cadenas de razonamiento, cambie a un modelo de texto en la misma ventana.
La llamada a funciones y la salida JSON estructurada no están marcadas en nuestros datos, por lo que no las incluya en su arquitectura sin verificar. La solicitud se realiza a través de la API de BotHub compatible con OpenAI, por lo que es conveniente delegar el trabajo con herramientas a un modelo de texto sin reescribir la integración.
La recepción de archivos además de texto no está marcada en nuestros datos, así que cuente con una descripción textual de la tarea. El contexto de 65 536 tokens es suficiente para un guion extenso completo. Si necesita analizar una imagen, grabación o vídeo, seleccione un modelo con la entrada adecuada en la misma ventana.
El idioma de los prompts y la locución no está registrado en nuestros datos, por lo que no prometemos nada; es más fácil probarlo con un fragmento corto y compararlo con otro modelo en la misma ventana. La interfaz de BotHub, el soporte y el pago con tarjetas rusas están disponibles sin VPN ni tarjeta extranjera.