gemini-3.5-transcribe-preview
Rede Neural
Especificações
- Entrada
- texto, imagens, documentos
- Saída
- texto
- Tamanho do contexto
- 65 536 tokens
- Comprimento máximo de resposta
- 32 000 tokens
- 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)
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-preview',
});
}
// 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-preview',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Como funciona gemini-3.5-transcribe-preview?
Perguntas frequentes sobre gemini-3.5-transcribe-preview
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.
Este é um modelo da google-gemini que aceita texto, documentos e imagens, e responde com texto. É adequado para transcrição e estruturação de conteúdo de arquivos e digitalizações, extração de dados, análise e trabalho com código. O contexto é de 65.536 tokens, portanto, materiais volumosos cabem em uma única solicitação.
Em uma única resposta, o modelo gera até 32.000 tokens — o suficiente para uma transcrição longa de documento, uma análise detalhada ou um grande fragmento de código. Se o material final for maior, divida a tarefa em partes e continue a geração com as solicitações seguintes, baseando-se no contexto geral do diálogo.
Sim, o modelo possui um modo de raciocínio: antes de responder, ele analisa sequencialmente a condição e só então formula o resultado. Isso ajuda notavelmente em tarefas com lógica complexa, análise de estrutura de documentos, matemática e depuração de código, onde não é importante uma resposta rápida, mas sim uma resposta precisa.
Sim, o modelo suporta function calling e saída estruturada em JSON. Você descreve o esquema e as ferramentas, e ele retorna um objeto pronto para análise — útil para pipelines de extração de dados, integrações e agentes. No BotHub, isso está disponível através de uma API única compatível com OpenAI.
De acordo com nossos dados, o modelo aceita imagens e documentos além de texto: você pode enviar uma digitalização, uma foto de uma página, um diagrama ou um PDF e obter um resultado em texto. O suporte para entrada de áudio e vídeo não foi verificado por nós, portanto, concentre-se em documentos e imagens.
Os modelos da família Gemini da google-gemini tradicionalmente trabalham com o russo em um bom nível — tanto na compreensão da solicitação quanto na análise de texto em imagens e documentos. Não temos dados precisos sobre os idiomas de prompts e saída, portanto, verifique a qualidade em sua tarefa no BotHub.