Tovább a tartalomhoz

Audio, videó és hangok

A médiafeladat azonnal elindul a létrehozása után, és a szerver által mért felhasználás alapján kerül felszámolásra a kreditárak szerint. Először olvassa el a katalógust; csak a nyíltkódúnak jelölt termékek futtathatók.

Az árak közvetlenül kreditben vannak megadva:

TermékproductÁr
Beszédfelismerésasr20 kredit/perc; a fun-asr valós idejű modell 30 kredit/perc (millisekundumszintű számlázással)
Alcím fordításasubtitle_translation60 kredit/perc
Alapvető videófeldolgozás (fordított feliratok, eredeti hang)basic_video80 kredit/perc
Teljes videófeldolgozás (fordított feliratok és szinkron)full_video300 kredit/perc
Beszédszintézistts1.500 kredit 10.000 számlázott karakterenként
Első sikeres hanghasználat—300 kredit hangonként, egyszeri díj
  • A beszédfelismerés díja a használt felismerő modelltől függ; mindkét modell ára külön-külön szerepel a credit-catalog prices-ben (a model mezőben).
  • Az időtartam millisekundumban kerül számlálásra: a beszédfelismerés és a felirat fordítása a forrás időtartama alapján történik, a videó pedig a kézbesített videó időtartama szerint.
  • Hangszintézishez szükséges karakterek: minden kínai karakter 2-nek, minden egyéb karakter (beleértve a szóközt és a központozást) 1-nek számít.
  • A termékhez szükséges felismerés, fordítás, szinkronizálás és egyéb lépések ára a termék árában már benne van. Ha a megrendelés alacsonyabb szintű eredményt (allowed_fallback_products) is lehetővé tesz, és ilyen kerül leszállításra, akkor a leszállított termék ára vonatkozik rá.
  • Költség = egységár × felhasználás, 0,001 hitelre kerekítve (1 millicredit).
GET /api/v1/billing/media/credit-catalog
POST /api/v1/billing/media/credit-estimates

credit-catalog visszaadja az egyes termékek árait (prices, millicreditben) és azt, hogy elérhetők-e; credit-estimates kiszámolja a szükséges krediteket (rounded_millicredits) adott időtartamra, szövegre vagy hangszámra. Ez csak megjelenítésre szolgál: nem hoz létre munkafolyamatot és nem számol fel semmit.

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

Termékek:

productCél
asrBeszédfelismerés
ttsBeszédszintézis
subtitle_translationHang- és videóaláírás-fordítás
basic_videoAlapvető videófeldolgozás
full_videoTeljes videofeldolgozás

Beszédfelismerési példa:

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

Minden termék, kivéve a beszédszintézist (tts), max_duration_ms-et igényel (milliszekundumban, legfeljebb 21600000, ami 6 óra).

Miután a létrehozási kérés 202 értéket ad vissza, a szerver ellenőrzi a fájlt és megkezdi a feldolgozást:

  1. Csak az egyenleg ellenőrzése történik megindulás előtt : az egyenleg (adósság után) meghaladnia kell a szerver által mért időtartamból számított költséget (beszédszintézis esetén a kiszámlázott karakterek alapján, beleértve az esetlegesen még nem felszámolt első használati hangdíjat); költségkerettel rendelkező API kulcs esetén a kulcs maradék költségkerete is meghaladnia kell ezt a költséget. Az indítás nem változtat az egyenlegen.
  2. A tényleges felhasználás akkor kerül elszámolásra, amikor befejeződik : az átadott termék és a felhasználás alapján kerül díjazásra és elszámolásra. Ami a szaldó nem fedezi, az adósságként kerül nyilvántartásra, és a szaldó negatív értéket mutat; a később érkező jóváírások elsőként az adósságot egyenlítik ki. A szaldó negatív állapotában új munkafolyamatok nem indíthatók.
  3. A sikertelen vagy törölt feladatokért nem számítunk fel díjat.

Amikor az egyenleg túl alacsony, vagy a hossz nem felel meg, semmi sem indul el és nem is terhelődik: a beszédszintézist az alkalmazás létrehozásakor ellenőrzik, és ha az egyenleg túl alacsony, 402 értéket adnak vissza; a többi terméket csak akkor ellenőrzik, miután a szerver megmérte a hosszt, és a feladat sikertelenül zárul error_code insufficient_credits (túl alacsony egyenleg) vagy media_duration_exceeds_confirmed_cap (a valós hossz meghaladja a max_duration_ms értéket) kódokkal.

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

A lekérdezés válasza tartalmazza a feladat állapotát, a kézbesített fájlokat és az elszámolási hivatkozást.

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

A reconcile egy bizonytalan távoli eredményt állít helyre; csupán az eredeti műveletet ellenőrzi, és soha nem hoz létre második hangot.

Hang létrehozásához meg kell erősítenie a felvételre vonatkozó jogait:

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

A felhívó felelőssége, hogy megbizonyosodjon arról, hogy a felvétel az övé vagy érvényes engedély alapján használható.