Zum Inhalt springen

Audio, Video und Stimmen

Ein Medienjob wird sofort nach seiner Erstellung ausgeführt und gemäß den Kreditpreisen für die vom Server gemessene Nutzung abgerechnet. Lesen Sie zuerst den Katalog; nur als offen gekennzeichnete Produkte können ausgeführt werden.

Die Preise werden direkt in Credits angegeben:

ProduktproductPreis
Spracherkennungasr20 Credits/Minute; das Echtzeitmodell fun-asr 30 Credits/Minute (abgerechnet pro Millisekunde)
Untertitelübersetzungsubtitle_translation60 Credits/Minute
Grundlegende Videobearbeitung (übersetzte Untertitel, Originalton)basic_video80 Credits/Minute
Vollständige Videobearbeitung (übersetzte Untertitel und Synchronisation)full_video300 Credits/Minute
Sprachsynthesetts1.500 Credits pro 10.000 abgerechneten Zeichen
Erste erfolgreiche Verwendung einer Stimme—300 Credits pro Stimme, einmalig belastet
  • Die Preise für die Spracherkennung richten sich nach dem verwendeten Erkennungsmodell; die Preise beider Modelle sind in prices von credit-catalog (im Feld model) separat aufgeführt.
  • Die Dauer wird in Millisekunden gemessen: Spracherkennung und Untertitelübersetzung basieren auf der Quelldauer, Videoaufzeichnung auf der Dauer des gelieferten Videos.
  • Abgerechnete Zeichen für die Sprachsynthese: Jedes chinesische Schriftzeichen zählt als 2, jedes andere Zeichen (einschließlich Leerzeichen und Satzzeichen) als 1.
  • Erkennung, Übersetzung, Synchronisation und weitere erforderliche Schritte sind im Preis des Produkts enthalten. Erlaubt die Anfrage ein Ergebnis der unteren Stufe (allowed_fallback_products) und wird eines bereitgestellt, gilt der Preis des gelieferten Produkts.
  • Kosten = Einzelpreis × Nutzung, gerundet auf 0,001 Guthaben (1 Milliguthaben).
GET /api/v1/billing/media/credit-catalog
POST /api/v1/billing/media/credit-estimates

credit-catalog gibt die Preise jedes Produkts (prices, in Millikrediten) sowie dessen Verfügbarkeit zurück; credit-estimates berechnet die benötigten Kredite (rounded_millicredits) für eine bestimmte Dauer, einen Text oder eine Stimmenanzahl. Es dient ausschließlich der Anzeige: Es erzeugt keinen Auftrag und verursacht keine Kosten.

POST /api/v1/media-jobs
Idempotency-Key: unique-request-id

Produkte:

productZweck
asrSpracherkennung
ttsSprachsynthese
subtitle_translationUntertitelübersetzung für Audio und Video
basic_videoGrundlegende Videobearbeitung
full_videoVollständige Videobearbeitung

Spracherkennungsbeispiel:

{
"product": "asr",
"document_id": "4q8mx2q9z1k7p6ra",
"source_language": "auto",
"max_duration_ms": 600000
}

Jedes Produkt außer der Sprachsynthese (tts) erfordert max_duration_ms (Millisekunden, maximal 21600000, also 6 Stunden).

Nachdem die Erstellungsanfrage 202 zurückgegeben hat, prüft der Server die Datei und beginnt mit der Verarbeitung:

  1. Es wird nur der Kontostand geprüft, bevor es gestartet wird : Der Kontostand (nach Abzug von Schulden) muss über den Kosten liegen, die sich aus der vom Server gemessenen Dauer ergeben (bei Sprachsynthese aus den abgerechneten Zeichen, einschließlich etwaiger noch nicht berechneter Erstnutzungsgebühren für Stimmen); bei einem API-Schlüssel mit Budget muss zudem das verbleibende Budget des Schlüssels diese Kosten übersteigen. Der Start ändert den Kontostand nicht.
  2. Die tatsächliche Nutzung wird abgerechnet, sobald sie abgeschlossen ist : Preisgestaltung und Abrechnung erfolgen nach geliefertem Produkt und Nutzung. Alles, was der Kontostand nicht deckt, wird als Schulden erfasst und der Kontostand wird negativ angezeigt; später eingehende Gutschriften tilgen zuerst die Schulden. Neue Aufträge können nicht gestartet werden, solange der Kontostand negativ ist.
  3. Fehlerhafte oder abgebrochene Aufträge werden nicht berechnet.

Wenn das Guthaben zu niedrig ist oder die Dauer nicht passt, wird nichts gestartet und es fallen keine Kosten an: Die Sprachsynthese wird bei der Erstellung geprüft und gibt 402 zurück, wenn das Guthaben zu niedrig ist; andere Produkte werden erst geprüft, nachdem der Server die Dauer gemessen hat, und der Auftrag wird als fehlgeschlagen mit error_code insufficient_credits (Guthaben zu niedrig) oder media_duration_exceeds_confirmed_cap (die tatsächliche Dauer überschreitet max_duration_ms) beendet.

GET /api/v1/media-jobs/{operation_id}
GET /api/v1/media-jobs?limit=25
POST /api/v1/media-jobs/{operation_id}/cancel

Die Abfrageantwort enthält den Auftragsstatus, die bereitgestellten Dateien und die Abrechnungsreferenz.

GET /api/v1/media-voices
POST /api/v1/media-voices
GET /api/v1/media-voices/{asset_id}
POST /api/v1/media-voices/{asset_id}/confirm
POST /api/v1/media-voices/{asset_id}/reconcile
POST /api/v1/media-voices/{asset_id}/revoke

reconcile stellt ein unsicheres Remote-Ergebnis wieder her; es überprüft nur die ursprüngliche Operation und erzeugt niemals eine zweite Stimme.

Das Erstellen einer Stimme erfordert die Bestätigung Ihrer Rechte an der Aufnahme:

{
"document_id": "authorized_recording_document_id",
"consent": true,
"consent_version": "voice-source-rights-v1"
}

Der Anrufer ist dafür verantwortlich, sicherzustellen, dass die Aufnahme seine eigene ist oder mit gültiger Genehmigung verwendet wird.