Gemini 3.5 Transcribe на AI Gateway: поток с микрофона и файл

Google Gemini 3.5 Transcribe доступен на Vercel AI Gateway: из аудио получаешь текст, без отдельного сервиса распознавания. Два режима: готовый файл одним запросом или живой поток по WebSocket, пока запись ещё идёт.

Файл и поток с микрофона

Для записи целиком подойдёт google/gemini-3.5-transcribe: один запрос, готовый транскрипт. Для живого входа бери google/gemini-3.5-transcribe-live по WebSocket: текст обновляется вместе с аудио. Модель сама определяет язык, покрывает 85+ локалей и держит говорящего, который переключается между языками на середине фразы. Свой словарь (имена, жаргон, нужные написания) тоже можно передать.

AI SDK V7

Потоковая транскрибация в седьмой версии SDK: streamTranscribe открывает сокет и принимает ReadableStream сырых чанков, микрофон можно прокинуть напрямую. Формат задаётся через inputAudioFormat. Аудио с диска уходит через transcribe одним запросом.

Без кода модель можно попробовать в браузере: Gemini 3.5 Transcribe Live, отправляешь звук и читаешь текст на лету. AI Gateway отражает цены провайдера без наценки и не берёт платформенную комиссию на inference, в том числе при запросах со своим ключом.

Источник: Gemini 3.5 Transcribe now available on AI Gateway.