O que é Gemini 3.5 Transcribe?
Gemini 3.5 Transcribe e Gemini 3.5 Transcribe Live ficaram disponíveis para todos em 26 de agosto de 2026. São modelos dedicados de fala para texto construídos sobre a compreensão de áudio do Gemini, separados dos modelos de chat Gemini gerais, e cobrados por tokens de áudio e de texto, não por minuto.
O modelo de arquivos aceita até uma hora de áudio por solicitação, ou 30 minutos quando a diarização ou os timestamps por palavra estão ativados. Ele detecta mais de 85 idiomas, incluindo trocas no meio da frase, identifica até oito falantes, dá timestamps por palavra, limpa palavras de preenchimento em um modo "Smart" e aceita até 1.000 termos de vocabulário personalizado. O modelo Live faz streaming por WebSockets com resultados provisórios e finais, em sessões de até 10 minutos, mas sem diarização nem timestamps.
Quanto custa Gemini 3.5 Transcribe?
| Plano | Preço | O que inclui |
|---|---|---|
| Transcribe | About $0.005 per minute | $2 de entrada / $12 de saída por 1M de tokens |
| Transcribe Live | About $0.009 per minute | $3,50 / $21 por 1M de tokens |
Transcribe cerca de $0,005 por minuto ($2 de entrada / $12 de saída por 1M de tokens); Transcribe Live cerca de $0,009 por minuto ($3,50 / $21). Nível gratuito no AI Studio e na API.
Gemini 3.5 Transcribe vale a pena?
O Gemini 3.5 Transcribe é um bom modelo em um mercado que o ultrapassou rapidamente. A Artificial Analysis o mede com 2,6% de AA-WER, nono de 62 modelos no seu ranking sem streaming, a $5 por 1.000 minutos e cerca de 89 vezes o tempo real. O MAI-Transcribe-2 da Microsoft é mais preciso, com 2,0% por $1,67, o ElevenLabs Scribe v2 chega a 2,2% por $3,67, enquanto o GPT Transcribe da OpenAI (3,3%) e o Deepgram Nova-3 (5,2%) ficam atrás dele.
O conjunto de recursos é amplo, mas as opções entram em conflito. A própria página do modelo no Google diz que os timestamps por palavra pioram a precisão, o vocabulário personalizado é rejeitado junto com diarização ou timestamps, e a atribuição para três ou mais falantes é experimental. Um produto de atas de reunião que queira falantes identificados, timestamps e os nomes dos produtos do cliente precisa escolher dois dos três, ou enviar o áudio duas vezes.
O preço é simples e estável. Pela estimativa do Google de 25 tokens de áudio por segundo e 175 tokens de texto por minuto, o modelo de arquivos custa cerca de meio centavo por minuto e o Live cerca de 0,9 centavo, mas nenhum dos dois aceita os descontos Batch ou Flex que os modelos de chat Gemini têm, então o volume não fica mais barato. O nível gratuito é generoso, e os termos do Google dizem que o conteúdo enviado nele é usado para melhorar os produtos do Google; o conteúdo do nível pago não é.
O argumento mais forte é a consolidação. Uma equipe que já paga o Gemini pelo Google Cloud tem transcrição de arquivos e em streaming com uma chave, um acordo de dados e uma fatura, com troca de idioma em mais de 85 idiomas detectada por enunciado. Para uma carga só de transcrição escolhida pela precisão por dólar, o MAI-Transcribe-2 agora é a referência.
Onde ele se destaca
Uma central de atendimento de 200 posições que já está no Google Cloud
Transcrever todas as chamadas para QA e busca de compliance
Envie as gravações ao modelo de arquivos com diarização ativada, mantendo cada uma abaixo de 30 minutos. Com 500.000 minutos por mês, isso dá cerca de $2.500 no nível pago; o MAI-Transcribe-2, aos $1,67 por 1.000 minutos da Artificial Analysis, ficaria em cerca de $835.
Um engenheiro mobile que coloca ditado por voz em um app de notas
Mostrar legendas ao vivo enquanto o usuário fala
Faça streaming de blocos de áudio de 100 ms para o Transcribe Live por WebSockets e exiba os resultados provisórios, trocando-os pelos finais. As sessões terminam aos 10 minutos, então ditados longos precisam de lógica de reconexão; o custo é de cerca de 0,9 centavo por minuto.
Um gerente de produto de legal tech em um mercado multilíngue
Transcrever entrevistas com clientes que alternam entre inglês e hindi
A detecção de idioma por enunciado lida com as trocas sem precisar de dica de idioma. Nomes de escritórios e produtos precisam de vocabulário personalizado, o que significa desligar a diarização e os timestamps nessa passada.
Antes de decidir
- Configuração
- Obtenha uma chave da Gemini API no AI Studio, envie o áudio pela Files API e chame gemini-3.5-transcribe; a documentação traz exemplos em Python, JavaScript, Go e REST.
- Integrações
- Gemini API e SDKs Google GenAI; transcrição Live pelo WebSocket da Live API, com detecção de atividade de voz configurável. Sem cache, Batch, Flex ou function calling.
- Dados e privacidade
- No nível gratuito, o Google pode usar o conteúdo para melhorar seus produtos; no nível pago, não. Apps que atendem usuários no EEE, na Suíça ou no Reino Unido precisam usar serviços pagos.
- Custo em escala
- Cerca de $5 por 1.000 minutos para arquivos e $9 para Live, sem desconto por volume ou lote. A Artificial Analysis lista o Scribe v2 a $3,67 e o MAI-Transcribe-2 a $1,67 por 1.000 minutos.
- Limites
- Uma hora por solicitação de arquivo (30 minutos com diarização ou timestamps), sessões Live de 10 minutos, até oito falantes, sendo três ou mais em modo experimental, e vocabulário personalizado incompatível com diarização e timestamps.
O que é bom
- 2,6% de AA-WER a cerca de $5 por 1.000 minutos
- Modelos de arquivos e de streaming por WebSocket em uma só API
- Mais de 85 idiomas, com troca de idioma no meio da frase
- Até 1.000 termos de vocabulário personalizado
O que não é
- O vocabulário personalizado não pode ser combinado com diarização ou timestamps
- MAI-Transcribe-2 e Scribe v2 são mais precisos e mais baratos
- Sem desconto Batch ou Flex
- Sessões Live limitadas a 10 minutos, sem diarização
Ideal para
Equipes que já usam a Gemini API e querem transcrição de arquivos e em streaming de um só fornecedor, a cerca de meio centavo por minuto.
Alternativas ao Gemini 3.5 Transcribe
Gemini 3.5 Transcribe: perguntas frequentes
- Gemini 3.5 Transcribe vale a pena?
- Preciso e barato o bastante para a maior parte das transcrições, mas já não é a compra óbvia em nenhum dos dois quesitos. Damos nota 4.2 de 5.
- Quanto custa Gemini 3.5 Transcribe?
- Transcribe cerca de $0,005 por minuto ($2 de entrada / $12 de saída por 1M de tokens); Transcribe Live cerca de $0,009 por minuto ($3,50 / $21). Nível gratuito no AI Studio e na API.
- Quais são as desvantagens de Gemini 3.5 Transcribe?
- O vocabulário personalizado não pode ser combinado com diarização ou timestamps; mAI-Transcribe-2 e Scribe v2 são mais precisos e mais baratos; sem desconto Batch ou Flex; sessões Live limitadas a 10 minutos, sem diarização.
- Para quem Gemini 3.5 Transcribe é indicado?
- Equipes que já usam a Gemini API e querem transcrição de arquivos e em streaming de um só fornecedor, a cerca de meio centavo por minuto.
- Quanto custa Gemini 3.5 Transcribe para uma equipe ou em produção?
- Cerca de $5 por 1.000 minutos para arquivos e $9 para Live, sem desconto por volume ou lote. A Artificial Analysis lista o Scribe v2 a $3,67 e o MAI-Transcribe-2 a $1,67 por 1.000 minutos.
- Gemini 3.5 Transcribe é seguro para dados da empresa?
- No nível gratuito, o Google pode usar o conteúdo para melhorar seus produtos; no nível pago, não. Apps que atendem usuários no EEE, na Suíça ou no Reino Unido precisam usar serviços pagos.
- Quais são as melhores alternativas ao Gemini 3.5 Transcribe?
- As alternativas mais próximas que analisamos são ElevenLabs Scribe v2, GPT Transcribe e Deepgram Nova-3.
Respostas verificadas em 26 de out. de 2026.