Gemini 3.5 Transcribe

Gemini 3.5 Transcribe (google/gemini-3.5-transcribe) — модель распознавания речи Google для транскрибации записей: лекции, интервью, встречи. Работает через POST /v1/audio/transcriptions, тарифицируется за минуту аудио (по факту).

Параметры

Поле	Описание
model	google/gemini-3.5-transcribe
file	Аудиофайл (mp3, wav, webm, m4a и др.); до 25 МБ
language	Код языка в ISO-639-1 (ru, en…) — повышает точность; без него определяется автоматически

Цена

0.53 ₽ за минуту аудио — списывается по фактической длительности. Час записи ≈ 31.5 ₽.

Пример

curl https://api.mixen.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $MIXEN_API_KEY" \
  -F model=google/gemini-3.5-transcribe \
  -F language=ru \
  -F file=@meeting.mp3

Сильные стороны и ограничения

• Диаризации (кто говорил) и word-таймкодов не отдаём — только текст; сегментируйте на своей стороне.
• Устойчива к шуму и разговорной речи; подсказка языка (language) заметно повышает точность на коротких записях.
• Файлы больше 25 МБ режьте на части до запроса.

Все модели — в каталоге. Полный порядок распознавания — гайд.