Qu’est-ce que Gemini 3.5 Transcribe ?
Gemini 3.5 Transcribe et Gemini 3.5 Transcribe Live sont passés en disponibilité générale le 26 août 2026. Ce sont des modèles de transcription dédiés construits sur la compréhension audio de Gemini, distincts des modèles de chat Gemini généralistes, et facturés en tokens audio et texte plutôt qu'à la minute.
Le modèle pour fichiers accepte jusqu'à une heure d'audio par requête, ou 30 minutes quand la diarisation ou les horodatages par mot sont activés. Il détecte plus de 85 langues, y compris les changements en milieu de phrase, étiquette jusqu'à huit intervenants, fournit des horodatages par mot, nettoie les mots de remplissage dans un mode « Smart » et accepte jusqu'à 1 000 termes de vocabulaire personnalisé. Le modèle Live diffuse en streaming par WebSockets avec résultats intermédiaires et finaux, dans des sessions de 10 minutes au plus, mais sans diarisation ni horodatage.
Combien coûte Gemini 3.5 Transcribe ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Transcribe | About $0.005 per minute | 2 $ en entrée / 12 $ en sortie par million de tokens |
| Transcribe Live | About $0.009 per minute | 3,50 $ / 21 $ par million de tokens |
Transcribe à environ 0,005 $ la minute (2 $ en entrée / 12 $ en sortie par million de tokens) ; Transcribe Live à environ 0,009 $ la minute (3,50 $ / 21 $). Niveau gratuit dans AI Studio et l'API.
Gemini 3.5 Transcribe vaut-il le coup ?
Gemini 3.5 Transcribe est un bon modèle sur un marché qui l'a vite dépassé. Artificial Analysis le mesure à 2,6 % d'AA-WER, neuvième sur 62 modèles de son classement hors streaming, à 5 $ les 1 000 minutes et environ 89 fois le temps réel. MAI-Transcribe-2 de Microsoft est plus précis à 2,0 % pour 1,67 $, ElevenLabs Scribe v2 atteint 2,2 % pour 3,67 $, tandis que GPT Transcribe d'OpenAI (3,3 %) et Deepgram Nova-3 (5,2 %) restent derrière lui.
L'éventail de fonctions est large, mais les options se télescopent. La propre page du modèle de Google indique que les horodatages par mot dégradent la précision, que le vocabulaire personnalisé est rejeté en même temps que la diarisation ou les horodatages, et que l'attribution à trois intervenants ou plus est expérimentale. Un produit de notes de réunion qui veut des intervenants nommés, des horodatages et les noms de produits du client doit choisir deux des trois, ou envoyer l'audio deux fois.
Le prix est simple et stable. Selon l'estimation de Google de 25 tokens audio par seconde et 175 tokens de texte par minute, le modèle pour fichiers coûte environ un demi-centime la minute et Live environ 0,9 centime, mais aucun des deux ne bénéficie des remises Batch ou Flex des modèles de chat Gemini, si bien que le volume ne coûte pas moins cher. Le niveau gratuit est généreux, et les conditions de Google indiquent que le contenu qui y est envoyé sert à améliorer les produits de Google ; le contenu du niveau payant, non.
L'argument le plus fort est la consolidation. Une équipe qui paie déjà Gemini via Google Cloud obtient transcription de fichiers et en streaming sous une seule clé, un seul accord sur les données et une seule facture, avec changement de langue détecté par énoncé sur plus de 85 langues. Pour une charge de transcription pure choisie sur la précision par dollar, MAI-Transcribe-2 fixe désormais la barre.
Là où il fait la différence
Un centre de contact de 200 postes déjà sur Google Cloud
Transcrire chaque appel pour la qualité et la recherche de conformité
Envoyer les enregistrements au modèle pour fichiers avec la diarisation activée, en gardant chacun sous 30 minutes. À 500 000 minutes par mois, cela fait environ 2 500 $ sur le niveau payant ; MAI-Transcribe-2 au tarif d'Artificial Analysis de 1,67 $ les 1 000 minutes reviendrait à environ 835 $.
Une ingénieure mobile qui intègre la dictée vocale à une application de notes
Afficher des sous-titres en direct pendant que l'utilisateur parle
Envoyer des morceaux d'audio de 100 ms à Transcribe Live par WebSockets et afficher les résultats intermédiaires, remplacés par les finaux. Les sessions s'arrêtent à 10 minutes, une longue dictée exige donc une logique de reconnexion ; le coût est d'environ 0,9 centime la minute.
Un chef de produit legal tech sur un marché multilingue
Transcrire des entretiens clients qui passent de l'anglais à l'hindi
La détection de la langue par énoncé gère les changements sans indication de langue. Les noms de cabinets et de produits exigent un vocabulaire personnalisé, ce qui implique de désactiver diarisation et horodatages pour ce passage.
Avant de vous engager
- Mise en route
- Obtenez une clé Gemini API dans AI Studio, importez l'audio via la Files API et appelez gemini-3.5-transcribe ; la documentation fournit des exemples Python, JavaScript, Go et REST.
- Intégrations
- Gemini API et SDK Google GenAI ; transcription Live via la WebSocket de la Live API avec détection d'activité vocale configurable. Ni mise en cache, ni Batch, ni Flex, ni appel de fonctions.
- Données et confidentialité
- Sur le niveau gratuit, Google peut utiliser le contenu pour améliorer ses produits ; sur le niveau payant, non. Les applications qui servent des utilisateurs dans l'EEE, en Suisse ou au Royaume-Uni doivent utiliser les services payants.
- Coût à grande échelle
- Environ 5 $ les 1 000 minutes pour les fichiers et 9 $ pour Live, sans remise sur volume ni par lots. Artificial Analysis affiche Scribe v2 à 3,67 $ et MAI-Transcribe-2 à 1,67 $ les 1 000 minutes.
- Limites
- Une heure par requête de fichier (30 minutes avec diarisation ou horodatages), sessions Live de 10 minutes, jusqu'à huit intervenants, expérimental au-delà de deux, et vocabulaire personnalisé incompatible avec diarisation et horodatages.
Les points forts
- 2,6 % d'AA-WER pour environ 5 $ les 1 000 minutes
- Modèles pour fichiers et en streaming WebSocket sous une seule API
- Plus de 85 langues avec changement de langue en milieu de phrase
- Jusqu'à 1 000 termes de vocabulaire personnalisé
Les points faibles
- Le vocabulaire personnalisé ne se combine ni avec la diarisation ni avec les horodatages
- MAI-Transcribe-2 et Scribe v2 sont plus précis et moins chers
- Pas de remise Batch ou Flex
- Sessions Live plafonnées à 10 minutes, sans diarisation
Idéal pour
Les équipes déjà sur la Gemini API qui veulent une transcription de fichiers et en streaming auprès d'un seul fournisseur à environ un demi-centime la minute.
Alternatives à Gemini 3.5 Transcribe
Gemini 3.5 Transcribe : questions fréquentes
- Gemini 3.5 Transcribe vaut-il le coup ?
- Assez précis et bon marché pour la plupart des transcriptions, mais plus l'achat évident sur aucun des deux critères. Nous lui donnons 4.2 sur 5.
- Combien coûte Gemini 3.5 Transcribe ?
- Transcribe à environ 0,005 $ la minute (2 $ en entrée / 12 $ en sortie par million de tokens) ; Transcribe Live à environ 0,009 $ la minute (3,50 $ / 21 $). Niveau gratuit dans AI Studio et l'API.
- Quels sont les inconvénients de Gemini 3.5 Transcribe ?
- Le vocabulaire personnalisé ne se combine ni avec la diarisation ni avec les horodatages; mAI-Transcribe-2 et Scribe v2 sont plus précis et moins chers; pas de remise Batch ou Flex; sessions Live plafonnées à 10 minutes, sans diarisation.
- À qui s’adresse Gemini 3.5 Transcribe ?
- Les équipes déjà sur la Gemini API qui veulent une transcription de fichiers et en streaming auprès d'un seul fournisseur à environ un demi-centime la minute.
- Combien coûte Gemini 3.5 Transcribe pour une équipe ou en production ?
- Environ 5 $ les 1 000 minutes pour les fichiers et 9 $ pour Live, sans remise sur volume ni par lots. Artificial Analysis affiche Scribe v2 à 3,67 $ et MAI-Transcribe-2 à 1,67 $ les 1 000 minutes.
- Gemini 3.5 Transcribe est-il sûr pour les données de l’entreprise ?
- Sur le niveau gratuit, Google peut utiliser le contenu pour améliorer ses produits ; sur le niveau payant, non. Les applications qui servent des utilisateurs dans l'EEE, en Suisse ou au Royaume-Uni doivent utiliser les services payants.
- Quelles sont les meilleures alternatives à Gemini 3.5 Transcribe ?
- Les alternatives les plus proches que nous avons testées sont ElevenLabs Scribe v2, GPT Transcribe et Deepgram Nova-3.
Réponses vérifiées le 26 oct. 2026.