इसे छोड़कर कंटेंट पर जाएं

ऑडियो, वीडियो और आवाज़ें

एक मीडिया जॉब बनते ही चलने लगता है और सर्वर द्वारा मापे गए उपयोग के लिए क्रेडिट मूल्यों पर शुल्क लगाया जाता है। पहले कैटलॉग पढ़ें; केवल ओपन चिह्नित उत्पाद ही चल सकते हैं।

कीमतें सीधे क्रेडिट में दी जाती हैं:

उत्पादproductमूल्य
वाणी पहचानasr20 क्रेडिट/मिनट; fun-asr रीयल-टाइम मॉडल 30 क्रेडिट/मिनट (मिलीसेकंड के हिसाब से चार्ज किया जाता है)
उपशीर्षक अनुवादsubtitle_translation60 क्रेडिट/मिनट
बुनियादी वीडियो प्रसंस्करण (अनुवादित सबटाइटल, मूल ऑडियो)basic_video80 क्रेडिट/मिनट
पूर्ण वीडियो प्रसंस्करण (अनुवादित सबटाइटल और डबिंग)full_video300 क्रेडिट/मिनट
वाक्य संश्लेषणtts10,000 बिल्ड किए गए वर्णों के लिए 1,500 क्रेडिट
एक आवाज का पहला सफल उपयोग—प्रति वॉइस 300 क्रेडिट, एक बार चार्ज किया जाता है
  • वाक्य पहचान की कीमत उपयोग किए गए पहचान मॉडल के अनुसार तय की जाती है; दोनों मॉडलों की कीमतें credit-catalog (क्षेत्र model) के prices में अलग-अलग सूचीबद्ध हैं।
  • अवधि मिलीसेकंड में मापी जाती है: भाषण पहचान और उपशीर्षक अनुवाद स्रोत की अवधि के आधार पर, और वीडियो डिलीवर किए गए वीडियो की अवधि के आधार पर।
  • वाक्योच्चारण के लिए बिल्ड किए गए वर्ण: प्रत्येक चीनी वर्ण 2 के रूप में गिना जाता है, अन्य सभी वर्ण (स्थान और विराम चिह्न सहित) 1 के रूप में।
  • किसी उत्पाद को प्राप्त करने के लिए आवश्यक पहचान, अनुवाद, डबिंग और अन्य चरण इसकी कीमत में शामिल हैं। यदि अनुरोध कम स्तर का परिणाम (allowed_fallback_products) स्वीकार करता है और ऐसा परिणाम दिया जाता है, तो वितरित उत्पाद की कीमत लागू होगी।
  • लागत = इकाई मूल्य × उपयोग, जिसे 0.001 क्रेडिट (1 मिलीक्रेडिट) तक परिमार्जित किया जाता है।
GET /api/v1/billing/media/credit-catalog
POST /api/v1/billing/media/credit-estimates

credit-catalog प्रत्येक उत्पाद की कीमतें (prices, मिलीक्रेडिट में) और यह खुला है या नहीं, वापस करता है; credit-estimates एक दिए गए अवधि, पाठ या आवाज़ों की संख्या के लिए आवश्यक क्रेडिट (rounded_millicredits) की गणना करता है। यह केवल प्रदर्शन के लिए है: यह कोई जॉब नहीं बनाता है और कोई शुल्क नहीं लेता है।

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

उत्पाद:

productउद्देश्य
asrवाणी पहचान
ttsवाक्य संश्लेषण
subtitle_translationऑडियो और वीडियो के लिए उपशीर्षक अनुवाद
basic_videoबुनियादी वीडियो प्रसंस्करण
full_videoपूर्ण वीडियो प्रसंस्करण

वाक्य-पहचान उदाहरण:

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

वाक्य संश्लेषण (tts) को छोड़कर हर उत्पाद के लिए max_duration_ms (मिलीसेकंड, अधिकतम 21600000, जो 6 घंटे है) की आवश्यकता होती है।

क्रिया निष्पादन अनुरोध के परिणामस्वरूप 202 मिलने के बाद, सर्वर फ़ाइल की जाँच करता है और प्रसंस्करण शुरू करता है:

  1. शुरू होने से पहले केवल बैलेंस की जाँच की जाती है : बैलेंस (ऋण के बाद) सर्वर द्वारा मापी गई अवधि से गणना की गई लागत से ऊपर होना चाहिए (वाक्य-संश्लेषण के लिए, बिलित वर्णों से, जिसमें किसी भी प्रथम-उपयोग आवाज़ शुल्क को भी शामिल किया जाता है जो अभी तक नहीं लिया गया है); एक बजट वाली API कुंजी के साथ, कुंजी का शेष बजट भी उस लागत से ऊपर होना चाहिए। शुरू करने से बैलेंस में कोई बदलाव नहीं होता।
  2. वास्तविक उपयोग का शुल्क तब लगाया जाता है जब यह समाप्त हो जाता है : वितरित उत्पाद और उपयोग के आधार पर मूल्य निर्धारित किया जाता है और शुल्क लगाया जाता है। जो भी शेष राशि कवर नहीं करती है, उसे ऋण के रूप में दर्ज किया जाता है और शेष राशि ऋणात्मक दिखाई देती है; बाद में आने वाले क्रेडिट पहले ऋण का भुगतान करते हैं। जब तक शेष राशि ऋणात्मक है, नए कार्य शुरू नहीं हो सकते।
  3. विफल या रद्द किए गए कार्यों पर कोई शुल्क नहीं लगाया जाता है।

जब बैलेंस बहुत कम होता है या अवधि फिट नहीं होती, तो कुछ भी शुरू नहीं होता और कोई भी चार्ज नहीं लगता: स्पीच सिंथेसिस को निर्माण के समय जाँचा जाता है और जब बैलेंस बहुत कम होता है तो 402 वापस करता है; अन्य उत्पादों को सर्वर द्वारा अवधि मापने के बाद जाँचा जाता है, और जॉब विफल होकर समाप्त होता है जिसमें error_code insufficient_credits (बैलेंस बहुत कम) या media_duration_exceeds_confirmed_cap (वास्तविक अवधि max_duration_ms से अधिक) होता है।

जाँचें और रद्द करें

Section titled “जाँचें और रद्द करें”
GET /api/v1/media-jobs/{operation_id}
GET /api/v1/media-jobs?limit=25
POST /api/v1/media-jobs/{operation_id}/cancel

क्वेरी प्रतिक्रिया में जॉब की स्थिति, डिलीवर किए गए फ़ाइलें और निपटान संदर्भ शामिल होते हैं।

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 एक अनिश्चित रिमोट परिणाम को पुनः प्राप्त करता है; यह केवल मूल संचालन की जाँच करता है और कभी भी दूसरी आवाज़ नहीं बनाता।

एक वॉयस बनाने के लिए, आपको रिकॉर्डिंग पर अपने अधिकारों की पुष्टि करनी होगी:

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

कॉलर की जिम्मेदारी है कि वह सुनिश्चित करे कि रिकॉर्डिंग उसकी खुद की है या वैध अनुमति के साथ इस्तेमाल की जा रही है।