جیمینای ۳.۵ ترانسکریب یک مدل تبدیل گفتار به متن از گوگل است. این مدل برای ترانسکریپشن همزمان طراحی شده که نیاز به زمانبندی سطح کلمه یا تشخیص گویندگان دارد و تا هشت گوینده را پشتیبانی میکند. این مدل به طور خاص برای کاربردهایی که نیاز به دقت بالا در تشخیص گفتار و زمانبندی دارد مناسب است.
این مدل توسط سازنده بازنشسته شده و دیگر برای تولید تازه قابل انتخاب نیست؛ صفحه بهعنوان بایگانی رسمی باقی میماند.
| سازنده | Google (ایالات متحده) |
|---|---|
| خانواده | |
| تاریخ عرضه | 2026-09-25 |
| پنجرهٔ زمینه | ۹۸٬۳۰۴ توکن |
| حداکثر خروجی در هر پاسخ | ۳۲٬۷۶۸ توکن |
| ورودی | متن، صدا |
| وضعیت در نهال | بازنشسته (بایگانی) |
جیمینای ۳.۵ ترانسکریب یک مدل تبدیل گفتار به متن از گوگل است. این مدل برای ترانسکریپشن همزمان طراحی شده که نیاز به زمانبندی سطح کلمه یا تشخیص گویندگان دارد و تا هشت گوینده را پشتیبانی میکند. این مدل به طور خاص برای کاربردهایی که نیاز به دقت بالا در تشخیص گفتار و زمانبندی دارد مناسب است.
۹۸٬۳۰۴ توکن؛ یعنی این مدل میتواند در یک درخواست، متن ورودی و تاریخچهٔ گفتگو را تا همین اندازه همزمان در نظر بگیرد. هر پاسخ حداکثر ۳۲٬۷۶۸ توکن است.
خیر؛ سازنده این مدل را بازنشسته کرده و در نهال برای تولید تازه قابل انتخاب نیست. مدلهای فعال Google در همین صفحه فهرست شدهاند.