Aller au contenu

Audio, vidéo et voix

Une tâche média s’exécute dès sa création et est facturée aux tarifs crédit en fonction de l’utilisation mesurée par le serveur. Consultez d’abord le catalogue ; seuls les produits marqués comme ouverts peuvent être exécutés.

Les prix sont indiqués directement en crédits :

ProduitproductPrix
Reconnaissance vocaleasr20 crédits/minute ; le modèle en temps réel fun-asr 30 crédits/minute (facturé à la milliseconde)
Traduction des sous-titressubtitle_translation60 crédits/minute
Traitement vidéo de base (sous-titres traduits, audio original)basic_video80 crédits/minute
Traitement vidéo complet (sous-titres traduits et doublage)full_video300 crédits/minute
Synthèse vocaletts1 500 crédits par 10 000 caractères facturés
Première utilisation réussie d’une voix—300 crédits par voix, facturés une seule fois
  • Le prix de la reconnaissance vocale dépend du modèle de reconnaissance utilisé ; les tarifs des deux modèles sont indiqués séparément dans prices de credit-catalog (champ model).
  • La durée est exprimée en millisecondes : la reconnaissance vocale et la traduction des sous-titres sont basées sur la durée de la source, tandis que la vidéo est mesurée selon la durée de la vidéo diffusée.
  • Caractères facturés pour la synthèse vocale : chaque caractère chinois compte pour 2, tous les autres caractères (y compris les espaces et la ponctuation) comptent pour 1.
  • La reconnaissance, la traduction, le doublage et les autres étapes nécessaires à un produit sont inclus dans son prix. Si la demande autorise un résultat de niveau inférieur (allowed_fallback_products) et qu’un tel résultat est fourni, le prix du produit livré s’applique.
  • Coût = prix unitaire × consommation, arrondi à 0,001 crédit (1 millicrédit).
GET /api/v1/billing/media/credit-catalog
POST /api/v1/billing/media/credit-estimates

credit-catalog renvoie les prix de chaque produit (prices, en millicrédits) ainsi que son statut (ouvert ou non) ; credit-estimates calcule les crédits nécessaires (rounded_millicredits) pour une durée, un texte ou un nombre de voix donnés. Il est uniquement destiné à l’affichage : il ne crée aucun job et n’entraîne aucun frais.

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

Produits :

productObjectif
asrReconnaissance vocale
ttsSynthèse vocale
subtitle_translationTraduction des sous-titres pour l’audio et la vidéo
basic_videoTraitement vidéo de base
full_videoTraitement vidéo complet

Exemple de reconnaissance vocale :

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

Tous les produits, à l’exception de la synthèse vocale (tts), nécessitent max_duration_ms (en millisecondes, au maximum 21600000, soit 6 heures).

Une fois que la requête de création renvoie 202, le serveur vérifie le fichier et commence le traitement :

  1. Seul le solde est vérifié avant le démarrage : le solde (après débit) doit être supérieur au coût calculé à partir de la durée mesurée par le serveur (pour la synthèse vocale, à partir des caractères facturés, y compris les frais de première utilisation de la voix non encore facturés) ; avec une clé API dotée d’un budget, le solde restant de la clé doit également être supérieur à ce coût. Le démarrage ne modifie pas le solde.
  2. L’utilisation réelle est facturée à son achèvement : tarifé et facturé en fonction du produit livré et de l’utilisation. Tout ce que le solde ne couvre pas est enregistré comme dette et le solde apparaît négatif ; les crédits arrivant ultérieurement règlent d’abord cette dette. Aucun nouveau travail ne peut démarrer tant que le solde est négatif.
  3. Les tâches échouées ou annulées ne sont pas facturées.

Lorsque le solde est trop bas ou que la durée ne convient pas, rien ne démarre et rien n’est facturé : la synthèse vocale est vérifiée lors de la création et renvoie 402 si le solde est trop bas ; les autres produits sont vérifiés une fois que le serveur a mesuré la durée, et la tâche échoue avec error_code insufficient_credits (solde insuffisant) ou media_duration_exceeds_confirmed_cap (la durée réelle dépasse 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 réponse à la requête comprend le statut du travail, les fichiers livrés et la référence de règlement.

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 récupère un résultat distant incertain ; il ne vérifie que l’opération d’origine et ne crée jamais de seconde voix.

La création d’une voix nécessite la confirmation de vos droits sur l’enregistrement :

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

Il incombe à l’appelant de s’assurer que l’enregistrement lui appartient ou qu’il en dispose légalement.