Saltearse al contenido

Audio, video y voces

Un trabajo de medios se ejecuta en cuanto se crea y se cobra a precios de crédito según el uso medido por el servidor. Lea primero el catálogo; solo los productos marcados como abiertos pueden ejecutarse.

Los precios se expresan directamente en créditos:

ProductoproductPrecio
Reconocimiento de vozasr20 créditos/minuto; el modelo en tiempo real fun-asr 30 créditos/minuto (facturado por milisegundo)
Traducción del subtítulosubtitle_translation60 créditos/minuto
Procesamiento básico de video (subtítulos traducidos, audio original)basic_video80 créditos/minuto
Procesamiento completo de video (subtítulos traducidos y doblaje)full_video300 créditos/minuto
Síntesis de voztts1.500 créditos por cada 10.000 caracteres facturados
Primer uso exitoso de una voz—300 créditos por voz, cobrados una sola vez
  • El reconocimiento de voz se cobra según el modelo de reconocimiento utilizado; los precios de ambos modelos se indican por separado en prices de credit-catalog (el campo model).
  • La duración se cuenta en milisegundos: el reconocimiento de voz y la traducción de subtítulos se basan en la duración del origen, mientras que el video se mide según la duración del video entregado.
  • Caracteres facturados para la síntesis de voz: cada carácter chino cuenta como 2, y cada uno de los demás caracteres (incluidos los espacios y la puntuación) como 1.
  • El reconocimiento, la traducción, el doblaje y otros pasos que requiera un producto están incluidos en su precio. Si la solicitud permite un resultado de nivel inferior (allowed_fallback_products) y se entrega uno de ese nivel, se aplicará el precio del producto entregado.
  • Costo = precio unitario × uso, redondeado a 0,001 crédito (1 milicrédito).
GET /api/v1/billing/media/credit-catalog
POST /api/v1/billing/media/credit-estimates

credit-catalog devuelve los precios de cada producto (prices, en milicréditos) y si está abierto; credit-estimates calcula los créditos necesarios (rounded_millicredits) para una duración, texto o número de voces determinados. Es solo para visualización: no crea ningún trabajo ni cobra nada.

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

Productos:

productPropósito
asrReconocimiento de voz
ttsSíntesis de voz
subtitle_translationTraducción de subtítulos para audio y video
basic_videoProcesamiento básico de video
full_videoProcesamiento completo de video

Ejemplo de reconocimiento de voz:

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

Todos los productos, excepto la síntesis de voz (tts), requieren max_duration_ms (milisegundos, como máximo 21600000, es decir, 6 horas).

Tras la respuesta 202 de la solicitud de creación, el servidor verifica el archivo y comienza su procesamiento:

  1. Solo se verifica el saldo antes de iniciar : el saldo (después de la deuda) debe ser superior al costo calculado a partir de la duración medida por el servidor (para la síntesis de voz, a partir de los caracteres facturados, incluida cualquier tarifa de voz por primer uso aún no cobrada); con una clave API que tenga un presupuesto asignado, el presupuesto restante de la clave también debe ser superior a dicho costo. Iniciar no modifica el saldo.
  2. El uso real se cobra al finalizar : se fija el precio y se cobra según el producto entregado y el uso. Cualquier importe que no cubra el saldo se registra como deuda y el saldo aparece negativo; los abonos que lleguen posteriormente saldan primero la deuda. No se pueden iniciar nuevos trabajos mientras el saldo sea negativo.
  3. Los trabajos fallidos o cancelados no se facturan.

Cuando el saldo es demasiado bajo o la duración no encaja, no se inicia ningún proceso ni se realiza ningún cargo: la síntesis de voz se verifica al crear el trabajo y devuelve 402 si el saldo es insuficiente; los demás productos se verifican una vez que el servidor ha medido la duración, y el trabajo finaliza con error, mostrando error_code insufficient_credits (saldo insuficiente) o media_duration_exceeds_confirmed_cap (la duración real supera max_duration_ms).

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

La respuesta de la consulta incluye el estado del trabajo, los archivos entregados y la referencia de liquidación.

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 recupera un resultado remoto incierto; solo verifica la operación original y nunca crea una segunda voz.

Crear una voz requiere confirmar sus derechos sobre la grabación:

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

El llamante es responsable de asegurarse de que la grabación sea propia o se utilice con el permiso correspondiente.