Google'ın Gemini 3.5 Transcribe modelleri Vercel'in AI Gateway hizmetine geldi

Google transkripsiyon modelleri Vercel'in gateway hizmetine geldi

Vercel, Google'ın Gemini 3.5 Transcribe konuşmadan metne modellerini AI Gateway'e — model çağrıları için birleşik yönlendirme katmanına — ekledi. Vercel blogunda 26 Ağustos tarihli changelog yazısına göre geliştiricilere sesi metne dönüştürmek için iki yol sunuluyor: tamamlanmış kayıtlar için bir batch modeli ve ses henüz gelirken WebSocket üzerinden transkripti akıtan canlı bir model.

İki varyant, iki iş akışı

İlk varyant olan google/gemini-3.5-transcribe, tamamlanmış bir kaydı tek bir istekle işler. İkincisi olan google/gemini-3.5-transcribe-live ise bir socket'i açık tutar ve kayıt sürerken transkripti sürekli günceller — canlı altyazı, toplantı notları veya sesle yönetilen arayüzler için uygun olan desen budur.

Vercel'e göre model konuşulan dili kendi başına algılıyor, 85'ten fazla dili kapsıyor ve kayıt ortasında dil değiştiren bir konuşmacıyı takip edebiliyor. Geliştiriciler ayrıca özel bir sözlük sağlayarak isimlerin, alan jargonunun ve alışılmadık yazımların doğru biçimde yazılmasını sağlayabiliyor.

Akış transkripsiyonu AI SDK V7'de geldi

Yazıya göre akış transkripsiyonu AI SDK V7'de yeni ve en güncel ai ile @ai-sdk/gateway paketleri kurulduğunda kullanılabilir hale geliyor. streamTranscribe fonksiyonu socket'i açıyor ve ham ses parçalarından oluşan bir ReadableStream kabul ediyor; bu da bir mikrofon akışının doğrudan bağlanabileceği anlamına geliyor. Beklenen ses formatı inputAudioFormat ile bildiriliyor; belgelerdeki örnek 16 kHz 16-bit PCM kullanıyor. Google'a özgü bir provider seçeneği, SMART ve VERBATIM olmak üzere iki transkripsiyon modu arasında seçim yapılmasını sağlıyor; varsayılan VERBATIM.

Diskte zaten saklanan sesler için transcribe fonksiyonu dosyayı tek bir istekle gönderiyor ve ortaya çıkan metni döndürüyor. Örnek kodda dosya sisteminden bir MP3 okunuyor ve yanıttan transkripti yazdırılıyor.

Her iki fonksiyon da şu anda experimental_ öneki altında dışa aktarılmış durumda; bu, SDK geliştikçe API yüzeyinin hâlâ değişebileceğine işaret ediyor. Kod yazmadan önce modeli değerlendirmek isteyenler için Vercel, sesin doğrudan gönderilip transkriptin sayfada okunabileceği tarayıcı tabanlı bir oyun alanı olan Gemini 3.5 Transcribe Live'a da işaret ediyor.

Fiyatlandırma ve platform bağlamı

Vercel, AI Gateway'i modelleri çağırmak, kullanımı ve maliyeti izlemek, provider'lar arasında hata durumunda yedekleme yapmak ve şirketin iddiasına göre temeldeki provider'lardan daha yüksek çalışma süresi sağlayan performans optimizasyonları uygulamak için tek bir API olarak konumlandırıyor. Gateway ayrıca özel raporlama, anahtar başına bütçeler ve yönlendirme kurallarıyla geliyor.

Maliyet konusunda Vercel, gateway'in provider fiyatlandırmasını ek kâr olmadan yansıttığını ve çıkarım üzerinde — Bring Your Own Key istekleri dahil — herhangi bir platform ücreti almadığını belirtiyor; yani geliştiriciler Vercel üzerinden yönlendirme yaparken Google'ın kendi fiyatlarının üzerinde bir prim ödemiyor.

Neden önemli

Gerçek zamanlı transkripsiyon, altyazı araçları, toplantı asistanları ve sesli ajanlar için temel bir yapı taşı ve şimdiye kadar bu genellikle bir uygulamanın zaten kullandığı LLM API'sinin yanına ayrı bir konuşma provider'ı kurmayı gerektiriyordu. Google'ın transkripsiyon modellerini diğer AI çağrılarıyla aynı gateway'e katmak, tek entegrasyon, tek fatura ve hata yedekleme ile bütçelerin ayarlanacağı tek bir yer anlamına geliyor.

Canlı WebSocket varyantı sürümün stratejik açıdan daha ilginç yarısı: ses henüz kaydedilirken güncellenen bir transkript, etkileşimli ve düşük gecikmeli ses ürünlerinin ihtiyaç duyduğu şey ve 85'ten fazla dilde otomatik dil algılamanın konuşma ortasındaki dil değişimiyle birleşimi, birçok transkripsiyon hizmetinin kötü işlediği çok dilli kitleleri hedefliyor.

Dikkat edilmesi gereken noktalar da var. Ayrıntılar tek bir satıcı duyurusundan geliyor; dolayısıyla doğruluk, gecikme ve gerçek dünyadaki dil değiştirme davranışına ilişkin bağımsız kıyaslamalar henüz mevcut değil ve SDK fonksiyonları açıkça deneysel. Yine de Vercel'in AI yığınını üzerinde zaten inşa eden ekipler için çıkarım üzerindeki ek kârın olmaması, transkripsiyonu doğrudan Google'ı aramak yerine gateway üzerinden yönlendirmenin önündeki ana fiyat argümanını ortadan kaldırıyor.