---
title: "Gemini 3.5 Transcribe по API"
description: "Распознавание речи Google: больше 80 языков, включая русский и казахский, до часа записи за запрос, дословный текст. Цена — 0,56 ₽ за минуту звука."
url: https://veselo.ai/models/google/gemini-3.5-transcribe
updated: 2026-11-16T14:39:32.641Z
---

# Gemini 3.5 Transcribe по API

Gemini 3.5 Transcribe — отдельная модель Google для расшифровки речи, построенная на том, как Gemini понимает звук. Язык она определяет сама, знает больше 80 языков и берёт до часа записи за один запрос. Через наш API её вызывают тем же запросом, что и Whisper. Час записи стоит около 33,60 ₽.

- **0,56 ₽ за минуту звука**
- до 1 ч звука
- звук → текст

`google/gemini-3.5-transcribe`

Обновлено: 16 ноября 2026 г.

[Получить ключ](https://veselo.ai/developer) Попробовать [Документация](https://veselo.ai/docs/transcriptions)

## Попробовать Gemini 3.5 Transcribe

Загрузи короткую запись — модель вернёт текст. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.

**Что попробовать:** Загрузи запись до двух минут или запиши с микрофона, например разговор, где русский перемешан с английскими словами. Вернётся дословный текст — с повторами и «э-э», как в записи.

В ответ приходит текст записи в поле text — как у OpenAI.

## Цены Gemini 3.5 Transcribe в рублях

| Звук — считаем по секундам | 0,56 ₽ за минуту |
| --- | --- |

Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. [Как считается цена](https://veselo.ai/docs/pricing)

### Сколько стоят типичные задачи

Суммы посчитаны по цене выше — сколько спишется за такую работу.

| Часовые записи одним запросом: выпуск на 55 минут | Около 30,80 ₽ |
| --- | --- |
| Дословная стенограмма для исследования: шесть интервью по 25 минут | Около 84,00 ₽ |
| Записи на языках соседних стран: 200 звонков по 3 минуты | Около 336,00 ₽ |
| Текст для перевода и дубляжа: ролик на 8 минут | Около 4,48 ₽ |

## Что умеет Gemini 3.5 Transcribe

- Расшифровывает речь: Google называет её моделью распознавания на основе того, как Gemini понимает звук ([карточка модели](https://aistudio.google.com/docs/models/gemini-3.5-transcribe)).
- Сама определяет язык записи и не теряется, когда языки в разговоре перемешаны. Google пишет о 85+ языках, в таблице кодов — русский, украинский, белорусский, казахский, узбекский, киргизский, таджикский, грузинский, армянский и азербайджанский ([руководство Google](https://aistudio.google.com/docs/transcribe)).
- Берёт до часа записи за один запрос.
- По умолчанию пишет дословно: с повторами, словами-паразитами и оборванными фразами.
- Принимает файлы MP3, M4A, WAV, FLAC, OGG и WebM до 25 МБ.
- Это не чат-модель: на входе звук, на выходе только текст записи.

## Где применять

### Часовые записи одним запросом

Выпуск подкаста, вебинар или лекцию на час не нужно резать на куски, если файл влезает в 25 МБ. Час речи в MP3 на 48 кбит/с, моно, весит около 21 МБ: такой битрейт для голоса нормален, а запрос уходит одним файлом. Следи только за длиной: по документации Google всё, что дальше часа, модель просто обрежет и вернёт ответ как успешный. Поэтому запись на час с четвертью раздели на две части заранее.

**Пример запроса:** «file=vebinar-55min.mp3, model=`google/gemini-3.5-transcribe`»

**Стоимость:** выпуск на 55 минут — около 30,80 ₽.

### Дословная стенограмма для исследования

Социологу, лингвисту или юристу часто нужен не «причёсанный» текст, а то, что сказано на самом деле: с запинками, повторами и «ну, как бы». Gemini 3.5 Transcribe по умолчанию работает именно так, это её обычный режим. Для глубинных интервью и расшифровок для суда это плюс: текст никто заранее не «причёсывал». Убрать лишнее потом можно отдельно, а вернуть выброшенное уже нельзя.

**Пример запроса:** «file=interview-respondent-07.m4a, model=`google/gemini-3.5-transcribe`»

**Стоимость:** шесть интервью по 25 минут — около 84,00 ₽.

### Записи на языках соседних стран

В таблице языков модели есть казахский, узбекский, киргизский, таджикский, грузинский, армянский и азербайджанский — то, на чём говорят клиенты из соседних стран. Если в поддержку звонят и на русском, и на казахском, язык указывать не нужно: модель определит его сама, в том числе когда человек переходит с одного языка на другой посреди разговора. Тексты потом можно перевести на русский текстовой моделью для общего отчёта.

**Пример запроса:** «file=zvonok-almaty-112.ogg»

**Стоимость:** 200 звонков по 3 минуты — около 336,00 ₽.

### Текст для перевода и дубляжа

Чтобы переозвучить ролик на другом языке, сначала нужен точный текст оригинала. Цепочка простая: Gemini 3.5 Transcribe делает расшифровку, [языковая модель](https://veselo.ai/models/llm-api) переводит её, а [озвучка по API](https://veselo.ai/models/ozvuchka-teksta-api) читает перевод. Всё идёт по одному ключу и оплачивается с одного счёта. Дословный текст здесь тоже пригодится: при переводе видно, где автор запнулся и где пауза в речи. Язык оригинала указывать не обязательно: модель определит его сама, даже если ролик снят на испанском.

**Пример запроса:** «file=rolik-original.webm»

**Стоимость:** ролик на 8 минут — около 4,48 ₽.

## Характеристики

| Разработчик | Google |
| --- | --- |
| Вид | Распознавание речи |
| Файл | mp3, wav, flac, m4a, mp4, ogg, webm; до 25 МБ |
| Звук за раз | до 1 ч |
| Ответ | json, text, srt, vtt, verbose_json |
| id для запроса | `google/gemini-3.5-transcribe` |

## Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.

Запрос — `POST https://veselo.ai/v1/audio/transcriptions` с полем `model`: `google/gemini-3.5-transcribe`, ключ — в заголовке `Authorization: Bearer sk-vsl-…`.

**curl**

```
curl https://veselo.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
  -F model="google/gemini-3.5-transcribe" \
  -F file="@speech.mp3"
```

**Python**

```
from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)

with open("speech.mp3", "rb") as f:
    r = client.audio.transcriptions.create(model="google/gemini-3.5-transcribe", file=f)
print(r.text)
```

**JavaScript**

```
import fs from 'node:fs';
import OpenAI from 'openai'; // npm i openai

const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: 'sk-vsl-ТВОЙ_КЛЮЧ', timeout: 600_000, maxRetries: 0 });

const r = await client.audio.transcriptions.create({
  model: 'google/gemini-3.5-transcribe',
  file: fs.createReadStream('speech.mp3'),
});
console.log(r.text);
```

### Пример ответа — только поля

```
{
  "text": "…"
}
```

**В программах:** тем же ключом и по тому же адресу, что остальные модели, — из любого HTTP-клиента или библиотеки openai. [Библиотеки и программы](https://veselo.ai/docs/sdks)

[Документация раздела](https://veselo.ai/docs/transcriptions)

## Сравнение с похожими

| Модель | Цена | Главное | Когда выбрать |
| --- | --- | --- | --- |
| **Gemini 3.5 Transcribe** — эта модель | 0,56 ₽ / мин | до 1 ч звука | длинные записи до часа и речь на языках соседних стран |
| [GPT-4o Transcribe Diarize](https://veselo.ai/models/openai/gpt-4o-transcribe-diarize) — OpenAI | 0,68 ₽ / мин | до 2 ч звука | интервью и встречи, где нужно знать, кто что сказал |
| [ElevenLabs Scribe v3](https://veselo.ai/models/elevenlabs/scribe-v3) — ElevenLabs | 0,38 ₽ / мин | до 2 ч звука | точная расшифровка интервью, встреч и лекций с временем каждого слова |
| [Deepgram Nova-3](https://veselo.ai/models/deepgram/nova-3) — Deepgram | 0,54 ₽ / мин | до 2 ч звука | звонки, встречи и видео с шумом и несколькими голосами, русский и ещё 50+ языков |
| [GPT Transcribe](https://veselo.ai/models/openai/gpt-transcribe) — OpenAI | 0,51 ₽ / мин | до 2 ч звука | совещания с терминами и переезд со снимаемых моделей OpenAI |
| [Amazon Transcribe](https://veselo.ai/models/amazon/transcribe) — Amazon | 0,68 ₽ / мин | до 2 ч звука | записи на редких языках, включая татарский и башкирский, когда ответ может подождать |

- [**GPT-4o Transcribe Diarize**](https://veselo.ai/models/openai/gpt-4o-transcribe-diarize) — если нужно, кто именно говорит: реплики приходят подписанными, со временем начала и конца.
- [**ElevenLabs Scribe v3**](https://veselo.ai/models/elevenlabs/scribe-v3) — расшифровка ElevenLabs с русским; сравни на своих записях, если важна точность имён и терминов.
- [**Whisper Large v3**](https://veselo.ai/models/openai/whisper-large-v3) — если нужны отметки времени по фразам для субтитров.

## Версии и отличия

- [Gemini 2.5 Flash (распознавание речи)](https://veselo.ai/models/google/gemini-2.5-flash) — 0,22 ₽ за минуту звука

## Как устроен доступ

Весело — не разработчик Gemini 3.5 Transcribe: модель выпускает Google. Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. [Данные и приватность](https://veselo.ai/docs/privacy)

## Вопросы и ответы

**Это та же Gemini, что отвечает в чате?**

Нет. Gemini 3.5 Transcribe — отдельная модель Google только для распознавания речи: на входе звук, на выходе текст. Текстовые модели Google мы не продаём, а из медиа Google у нас есть ещё озвучка, картинки и музыка.

**Есть ли у Gemini 3.5 Transcribe разметка говорящих через ваш API?**

Пока нет. Разметку до 8 голосов, время слов, словарь терминов и «умный» режим Google описывает для своего API, а через наш API модель получает только файл и язык и возвращает сплошной дословный текст. Если нужно знать, кто говорит, возьми [GPT-4o Transcribe Diarize](https://veselo.ai/models/openai/gpt-4o-transcribe-diarize).

**Что будет, если прислать в Gemini 3.5 Transcribe запись длиннее часа?**

По документации Google модель обработает первый час, а остальное отрежет и всё равно ответит, что работа выполнена. Чтобы не потерять хвост, режь длинные записи на части до часа, по паузам, и склеивай тексты по порядку.

**Как убрать из текста Gemini 3.5 Transcribe «э-э» и повторы?**

У нас модель отдаёт дословный текст, и это её режим по умолчанию. Чтобы получить чистовую версию, пропусти расшифровку через [языковую модель](https://veselo.ai/models/llm-api) с просьбой убрать слова-паразиты и повторы, не меняя смысла. Исходник при этом сохрани: в нём остаётся то, что сказано на самом деле.

**Есть ли подписка или абонентская плата?**

Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.

**Сколько запросов можно отправлять?**

До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.

**Нужны ли VPN и зарубежная карта для Gemini 3.5 Transcribe?**

Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.

## Ещё по теме

- [Все модели: распознавание речи](https://veselo.ai/models/raspoznavanie-rechi-api)
- [Google по API: Nano Banana, Gemini TTS и Lyria](https://veselo.ai/models/google)
- [Распознавание речи по API за рубли — документация API](https://veselo.ai/docs/transcriptions)
- [Nano Banana 2](https://veselo.ai/studio/nano-banana-2)
- [Nano Banana Pro](https://veselo.ai/studio/nano-banana-pro)
- [Nano Banana 2.1](https://veselo.ai/studio/nano-banana-2-1)
- [Nano Banana 2 Lite](https://veselo.ai/studio/nano-banana-2-lite)
- [Все модели и цены](https://veselo.ai/models)

Факты сверены 16 ноября 2026 по документации: [aistudio.google.com](https://aistudio.google.com/docs/models/gemini-3.5-transcribe)
