هوش مصنوعی هرمزهرمزورود

Google: Gemini 3.5 Transcribe: مدل صوتی

Gemini 3.5 Transcribe مدلِ گفتار-به-متنِ Google برای رونویسی‌هایی است که زمان‌بندیِ واژه‌به‌واژه لازم دارند، با محاسبه‌ی هزینه به ازای توکن. از داخل ایران و از طریق هرمز.

ورودی:
$2 / هر ۱M توکن
خروجی:
$12 / هر ۱M توکن
نوع:
audio
  • صوت

Gemini 3.5 Transcribe یک مدلِ گفتار-به-متن از Google است. برای رونویسیِ هم‌زمان ساخته شده که زمان‌بندیِ واژه‌به‌واژه لازم دارد، و Google آن را برای ضبط‌هایی با حداکثر هشت گوینده معرفی کرده است.

هرمز Gemini 3.5 Transcribe را روی دو مسیر ارائه می‌دهد: مسیرِ سازگار با OpenAI یعنی /v1/audio/transcriptions که متن را در همان پاسخ برمی‌گرداند، و /v1/predictions برای ضبط‌های طولانی که در پس‌زمینه پردازش می‌شوند. در آزمایش‌های ما روی گفتارِ فارسی، رونویسیِ دقیقی تحویل داد. برخلافِ بیشترِ مدل‌های رونویسی، هزینه‌ی آن به ازای توکن محاسبه می‌شود، نه دقیقه.

هزینه به ازای توکن محاسبه می‌شود: توکن‌های صوتیِ ورودی و توکن‌های متنیِ خروجی؛ نرخِ روز در جدولِ قیمتِ همین صفحه آمده و فقط بابت مصرفِ واقعی پرداخت می‌کنید. هرمز دسترسیِ پایدار به آن را از داخل ایران فراهم می‌کند، بدون نیاز به کارت اعتباری خارجی یا ابزارهای دور زدن تحریم.

Gemini 3.5 Transcribe is a speech-to-text model from Google. It is suited for synchronous transcription that needs word-level timestamps or speaker diarization, with support for up to eight speakers. Audio...

شروع سریع

curl https://api.hormouz.net/v1/audio/transcriptions \
  -H "Authorization: Bearer ng-YOUR_API_KEY" \
  -F model=google/gemini-3.5-transcribe \
  -F file=@audio.mp3

مشخصات

سازندهGoogle
نوعصدا
پنجره زمینه—
قیمت$2/M audio tokens · $12/M text tokens
نوع APItranscriptions

نمونه کد

cURL
curl https://api.hormouz.net/v1/audio/transcriptions \
  -H "Authorization: Bearer ng-YOUR_API_KEY" \
  -F model=google/gemini-3.5-transcribe \
  -F file=@audio.mp3
Python
from openai import OpenAI
client = OpenAI(api_key="ng-YOUR_API_KEY", base_url="https://api.hormouz.net/v1")
with open("audio.mp3", "rb") as f:
    tr = client.audio.transcriptions.create(model="google/gemini-3.5-transcribe", file=f)
print(tr.text)
JavaScript
import OpenAI from "openai";
import fs from "node:fs";
const client = new OpenAI({ apiKey: "ng-YOUR_API_KEY", baseURL: "https://api.hormouz.net/v1" });
const tr = await client.audio.transcriptions.create({
  model: "google/gemini-3.5-transcribe",
  file: fs.createReadStream("audio.mp3"),
});
console.log(tr.text);

خرید API Google: Gemini 3.5 Transcribe با پرداخت ریالی

  • با کارت بانکی ایرانی اعتبار بخرید؛ کارت ارزی و حساب خارجی لازم نیست.
  • با یک کلید هرمز به Google: Gemini 3.5 Transcribe و بیش از ۶۰۰ مدل دیگر دسترسی دارید و فقط به اندازه‌ی مصرف می‌پردازید.
  • بدون فیلترشکن و بدون خطر بن شدن حساب؛ کافی است آدرس پایه را به api.hormouz.net/v1 تغییر دهید.
ساخت حسابخرید API Gemini (جمینای) با پرداخت ریالی

استفاده از طریق هرمز

با یک کلید API به این مدل و بیش از ۶۰۰ مدل دیگر وصل شوید و مصرف هر مدل را تا سطح هر درخواست ببینید.

درخواست دسترسی شرکتی

سوالات متداول

هزینه‌ی استفاده از Gemini 3.5 Transcribe چقدر است؟
هزینه به ازای توکن محاسبه می‌شود: توکن‌های صوتیِ ورودی و توکن‌های متنیِ خروجی؛ نرخِ روز در جدولِ قیمتِ همین صفحه آمده و فقط بابت مصرفِ واقعی پرداخت می‌کنید.
چطور از داخل ایران به Gemini 3.5 Transcribe دسترسی داشته باشم؟
کافی است در هرمز حساب بسازید و یک کلید API بگیرید. هرمز مسیرِ دسترسیِ پایدار به این مدل را از داخل ایران فراهم می‌کند و نیازی به کارت اعتباری خارجی یا ابزارِ دور زدنِ تحریم ندارید.
چطور Gemini 3.5 Transcribe را فراخوانی کنم؟
هرمز Gemini 3.5 Transcribe را روی دو مسیر ارائه می‌دهد. مسیرِ سازگار با OpenAI یعنی POST /v1/audio/transcriptions فایل را به‌صورتِ فیلدِ multipart با نامِ «file»، یا به‌صورتِ JSON در input_audio (با data به‌شکلِ base64 و format) می‌گیرد و {text, usage} را در همان پاسخ برمی‌گرداند. POST /v1/predictions ضبط‌های طولانی را در پس‌زمینه پردازش می‌کند: input.audio یک نشانیِ https یا یک data: URI است و input.language اختیاری است. کدی که برای SDK اوپن‌ای‌آی نوشته شده فقط با تغییرِ آدرسِ پایه کار می‌کند.
آیا Gemini 3.5 Transcribe فارسی را پشتیبانی می‌کند؟
بله. در آزمایش‌های ما روی گفتارِ فارسی، رونویسیِ دقیقی تحویل داد.

به‌روزرسانی: 2026-10-13