Gemini 3.5 Transcribe через Tokenator API

Назначение модели

Gemini 3.5 Transcribe — это модель преобразования речи в текст от Google. Она подходит для синхронной транскрипции, требующей временных меток на уровне слов или диаризации говорящих, с поддержкой до восьми говорящих. Аудиозаписи могут длиться до одного часа или 30 минут при включенных временных метках или диаризации.

Спецификация

Полное названиеGemini 3.5 Transcribe
API IDgemini-3.5-transcribe
Разработчик моделиGemini
ТипSpeech: распознавание речи (STT)
Контекстное окно98K токенов
Форматы ответаjson
Формат по умолчаниюjson
Множитель расхода Tokenator2×
ПометкаНОВОЕ
Модальности входаaudio
Поддерживаемые форматы API/v1/audio/transcriptions
Апстрим-провайдеров1
Текущий статусдоступна
Данные обновлены2026-11-04

Апстрим-провайдеры

ПровайдерМножитель
FastCluster2×

Запрос идёт к первому доступному провайдеру по приоритету; при его отказе Tokenator переключается на следующего.

Пример запроса

curl
curl https://api.tokenator.top/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-your-tokenator-key" \
  -F 'model=gemini-3.5-transcribe' \
  -F 'file=@recording.wav' \
  -F 'response_format=json'

Частые вопросы о Gemini 3.5 Transcribe

Какой API ID у Gemini 3.5 Transcribe?

gemini-3.5-transcribe — это значение подставляется в поле model запроса.

Как вызвать эту модель?

Отправьте POST /v1/audio/transcriptions с API ID модели. Примеры запросов и параметры есть в документации по аудио.

Почему модели нет в /v1/models?

У аудиомоделей отдельный каталог: GET /v1/audio/models. Фильтр ?task=tts выбирает синтез речи, ?task=stt — распознавание. Чат-эндпоинты аудиомодели не принимают.

Какой API-ключ использовать?

Используйте обычный ключ Tokenator с доступом к этой модели. Передайте его в заголовке Authorization: Bearer sk-your-tokenator-key.

Как отправить аудиофайл?

Передайте multipart/form-data: API ID в поле model, один непустой аудиофайл до 25 MiB — в file. Не задавайте Content-Type вручную: клиент добавит boundary.

Как получить расшифровку обычным текстом?

Укажите response_format=text. По умолчанию возвращается JSON с полем text; verbose_json добавляет сведения, если их вернула модель.

Можно ли указать язык записи?

Передайте language, если модель поддерживает этот параметр. Подсказка prompt и другие параметры также зависят от модели; подробнее — в документации по аудио.