gemini-3.5-transcribe-live
Rede Neural
Especificações
- Entrada
- texto, imagens, documentos
- Saída
- texto, áudio
- Níveis de raciocínio
- baixo, médio, alto
- Recursos
- raciocínio, chamada de funções
Custo do prompt
(por 1M tokens)
Custo da resposta
(por 1M tokens)
Prompt de imagem
(por 1K tokens)
Como funciona gemini-3.5-transcribe-live?
Perguntas frequentes sobre gemini-3.5-transcribe-live
Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.
O gemini-3.5-transcribe-live é um modelo do google-gemini que, segundo nossos dados, gera áudio: você descreve a tarefa em texto e obtém uma faixa de áudio como resultado. É adequado para narração de vídeos, podcasts, materiais educativos e roteiros de voz em produtos. Acesso a partir da Rússia sem VPN ou cartão estrangeiro, pagamento por uso de tokens.
Formatos específicos e bitrate não estão especificados em nossos dados, portanto, baseie-se no resultado na interface: o áudio pode ser ouvido e baixado. O contexto de 65.536 tokens e até 32.000 tokens por resposta permite trabalhar com textos longos em uma única solicitação.
Em nossos dados, não há menção sobre raciocínio antes da resposta, e isso não é uma negação da possibilidade, mas uma falta de confirmação. Para narração, reflexões detalhadas geralmente não são necessárias: é mais importante formular a tarefa com precisão. Se precisar de longas cadeias de raciocínio, mude para um modelo de texto na mesma janela.
Chamada de funções e saída JSON estruturada não estão marcadas em nossos dados, portanto, não as inclua na arquitetura sem verificação. O acesso é feito através da API BotHub compatível com OpenAI, então é conveniente delegar o trabalho com ferramentas a um modelo de texto, sem reescrever a integração.
O recebimento de arquivos além de texto não está marcado em nossos dados, então conte com a descrição textual da tarefa. O contexto de 65.536 tokens é suficiente para um roteiro extenso completo. Se precisar de análise de imagem, gravação ou vídeo, selecione um modelo com a entrada adequada na mesma janela.
O idioma dos prompts e da narração não está fixado em nossos dados, por isso não prometemos nada — é mais fácil testar com um fragmento curto e comparar com outro modelo na mesma janela. A interface BotHub, o suporte e o pagamento com cartões russos estão disponíveis sem VPN ou cartão estrangeiro.