← 全部模型

Gemini 3.5 Transcribe Live

發布時間 發布主體 Googlegemini-3.5-transcribe-live

模型定位

Gemini 3.5 Transcribe Live 是專為低延遲、即時語音轉文字設計的模型。它透過 Gemini Live API 的 WebSocket 雙向串流接收音訊並輸出逐步更新的文字轉錄,而不是會聆聽、推理及語音回覆的對話代理。(aistudio.google.com)

能力與用途

  • 提供暫時及最終轉錄結果,適合即時字幕、麥克風語音轉錄與語音輸入介面。
  • 支援超過 85 種語言的自動偵測與語言切換、自訂詞彙偏向(最多 1,000 個詞彙)、Smart 智慧轉錄,以及多種語音活動偵測(VAD)策略。Smart 模式可移除語助詞並整理格式。(aistudio.google.com)

限制

  • 串流輸入為原始 16 位元 PCM 音訊,輸出為文字;它不是通用多模態對話代理。(aistudio.google.com)
  • 每個即時工作階段最長 10 分鐘;Live 端點不支援說話者分離或逐詞時間戳記。這些功能屬於非串流的 gemini-3.5-transcribe 端點,不能直接視為 Live 功能。(aistudio.google.com)
  • Gemini Developer API 定價頁標示不支援 Google 搜尋 grounding。(aistudio.google.com)

發布日期

Google 的 Gemini API 更新日誌記載,此模型於 2026 年 8 月 26 日正式發布(GA)。Google Cloud 的模型文件則將同一穩定模型 ID 在該平台的 GA 發布月份列為 2026 年 10 月;兩者應按平台區分。(aistudio.google.com)

價格

以下為 Gemini Developer API Standard 方案,幣別為美元(USD);查詢日期:2026 年 11 月 16 日。(aistudio.google.com)

  • 免費層:音訊輸入及文字輸出均免費;實際使用仍受方案條件與配額限制。
  • 付費層音訊輸入:每 100 萬 token USD 3.50;官方估算約 USD 0.005/分鐘。
  • 付費層文字輸出:每 100 萬 token USD 21.00;官方估算約 USD 0.004/分鐘。
  • 每分鐘金額是估算值,假設輸入每秒 25 個音訊 token、輸出每分鐘 175 個文字 token;官方估算合計約 USD 0.009/分鐘,實際費用依 token 用量而異。

官方來源