GEMINI LABEN
GA — Gemini Omni Flash が8月27日に一般提供へ入りました。モデル ID は gemini-omni-1.1-flash で、会話形式の動画生成と編集を担いますEXTEND — 既存クリップの末尾に続きを生成してつなげられます。extend タスクでもプロンプトの直接指示でも指定でき、短い尺の制約を継ぎ足しで越えていく設計ですRESOLUTION — video_config に resolution が加わり 360p・720p・1080p・4k を選べます。1080p と 4K はアップスケール出力のため、素材によって仕上がりに差が出ますDEPRECATION — gemini-omni-flash-preview は9月30日に廃止されます。プレビュー版のエンドポイントを本番で参照しているコードは差し替えが必要ですTRANSCRIBE — Gemini 3.5 Transcribe と Transcribe Live が8月26日に GA となりました。85言語以上の言語検出、話者分離、単語単位のタイムスタンプに対応しますSHUTDOWN — gemini-robotics-er-1.6-preview が8月31日に停止します。残り2日で、移行先は7月30日から公開プレビューの ER 2 系ですGA — Gemini Omni Flash が8月27日に一般提供へ入りました。モデル ID は gemini-omni-1.1-flash で、会話形式の動画生成と編集を担いますEXTEND — 既存クリップの末尾に続きを生成してつなげられます。extend タスクでもプロンプトの直接指示でも指定でき、短い尺の制約を継ぎ足しで越えていく設計ですRESOLUTION — video_config に resolution が加わり 360p・720p・1080p・4k を選べます。1080p と 4K はアップスケール出力のため、素材によって仕上がりに差が出ますDEPRECATION — gemini-omni-flash-preview は9月30日に廃止されます。プレビュー版のエンドポイントを本番で参照しているコードは差し替えが必要ですTRANSCRIBE — Gemini 3.5 Transcribe と Transcribe Live が8月26日に GA となりました。85言語以上の言語検出、話者分離、単語単位のタイムスタンプに対応しますSHUTDOWN — gemini-robotics-er-1.6-preview が8月31日に停止します。残り2日で、移行先は7月30日から公開プレビューの ER 2 系です
TAG

音声認識

1 記事
タグ一覧に戻る
関連タグ:
Gemini API1gemini-3.5-transcribe1文字起こし1話者ダイアライゼーション1
Gemini API/2026-08-29中級

gemini-3.5-transcribe の smart モードでは、話者ラベルも単語タイムスタンプも返ってきません

gemini-3.5-transcribe の smart モードは diarization_mode とも timestamp_granularities とも併用できません。mode が文字列とオブジェクトの両方を取る点と、機能を足すと音声の上限が半分になる点を整理します。