Salta ai contenuti

Audio, video e voci

Un lavoro media viene eseguito non appena creato ed è addebitato ai prezzi in crediti in base all’utilizzo misurato dal server. Leggere prima il catalogo; solo i prodotti contrassegnati come aperti possono essere eseguiti.

I prezzi sono indicati direttamente in crediti:

ProdottoproductPrezzo
Riconoscimento vocaleasr20 crediti/minuto; il modello in tempo reale fun-asr 30 crediti/minuto (addebitati al millisecondo)
Traduzione del sottotitolosubtitle_translation60 crediti/minuto
Elaborazione video di base (sottotitoli tradotti, audio originale)basic_video80 crediti/minuto
Elaborazione video completa (sottotitoli tradotti e doppiaggio)full_video300 crediti/minuto
Sintesi vocaletts1.500 crediti per 10.000 caratteri fatturati
Primo utilizzo riuscito di una voce—300 crediti per voce, addebitati una sola volta
  • Il riconoscimento vocale è tariffato in base al modello di riconoscimento utilizzato; i prezzi di entrambi i modelli sono elencati separatamente in prices di credit-catalog (campo model).
  • La durata è espressa in millisecondi: il riconoscimento vocale e la traduzione dei sottotitoli si basano sulla durata del contenuto sorgente, mentre il video si misura in base alla durata del video fornito.
  • Caratteri fatturati per la sintesi vocale: ogni carattere cinese conta come 2, ogni altro carattere (inclusi spazi e punteggiatura) come 1.
  • Il riconoscimento, la traduzione, il doppiaggio e le altre fasi necessarie per un prodotto sono inclusi nel suo prezzo. Se la richiesta consente un risultato di livello inferiore (allowed_fallback_products) e tale risultato viene fornito, si applica il prezzo del prodotto consegnato.
  • Costo = prezzo unitario × utilizzo, arrotondato a 0,001 credito (1 millicredito).
GET /api/v1/billing/media/credit-catalog
POST /api/v1/billing/media/credit-estimates

credit-catalog restituisce i prezzi di ogni prodotto (prices, in millicrediti) e lo stato di apertura; credit-estimates calcola i crediti necessari (rounded_millicredits) per una determinata durata, testo o numero di voci. È solo a scopo di visualizzazione: non crea alcun lavoro e non addebita nulla.

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

Prodotti:

productScopo
asrRiconoscimento vocale
ttsSintesi vocale
subtitle_translationTraduzione dei sottotitoli per audio e video
basic_videoElaborazione video di base
full_videoElaborazione video completa

Esempio di riconoscimento vocale:

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

Ogni prodotto, ad eccezione della sintesi vocale (tts), richiede max_duration_ms (millisecondi, al massimo 21600000, ovvero 6 ore).

Dopo che la richiesta di creazione restituisce 202, il server verifica il file e avvia l’elaborazione:

  1. Viene verificato solo il saldo prima dell’avvio : il saldo (al netto dei debiti) deve essere superiore al costo calcolato in base alla durata misurata dal server (per la sintesi vocale, in base ai caratteri fatturati, inclusa l’eventuale tariffa per la prima utilizzazione della voce non ancora addebitata); con una chiave API dotata di budget, anche il budget residuo della chiave deve essere superiore a tale costo. L’avvio non modifica il saldo.
  2. L’utilizzo effettivo viene addebitato al termine : tariffato e addebitato in base al prodotto consegnato e all’utilizzo. Qualsiasi importo non coperto dal saldo viene registrato come debito e il saldo risulta negativo; i crediti successivi vengono utilizzati per estinguere prima il debito. Non è possibile avviare nuovi lavori finché il saldo è negativo.
  3. I lavori non riusciti o annullati non vengono addebitati.

Quando il credito è insufficiente o la durata non è adeguata, nessuna operazione viene avviata e non viene addebitato alcun costo: la sintesi vocale viene verificata al momento della creazione e restituisce 402 se il credito è insufficiente; gli altri prodotti vengono verificati dopo che il server ha misurato la durata, e l’operazione termina con esito negativo restituendo error_code insufficient_credits (credito insufficiente) oppure media_duration_exceeds_confirmed_cap (la durata effettiva 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 risposta alla query include lo stato dell’operazione, i file consegnati e il riferimento di pagamento.

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 risultato remoto incerto; verifica solo l’operazione originale e non genera mai una seconda voce.

La creazione di una voce richiede la conferma dei diritti sull’audio:

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

L’autore della chiamata è responsabile di verificare che la registrazione sia di propria proprietà o utilizzata con autorizzazione valida.