コンテンツにスキップ

オーディオ、ビデオおよび音声

メディアジョブは作成されるとすぐに実行され、サーバーが計測した使用量に対してクレジット単価で課金されます。まずカタログを確認してください。実行可能なのは「オープン」とマークされた製品のみです。

価格はクレジットで直接表示されます:

製品product価格
音声認識asr20クレジット/分;fun-asrリアルタイムモデルは30クレジット/分(ミリ秒単位で課金)
字幕翻訳subtitle_translation60クレジット/分
基本的なビデオ処理(翻訳字幕、元の音声)basic_video80クレジット/分
フルビデオ処理(翻訳字幕および吹き替え)full_video300クレジット/分
音声合成tts10,000文字ごとに1,500クレジット
音声の初の成功した使用—音声1つにつき300クレジット、一度のみ課金
  • 音声認識の料金は使用する認識モデルによって異なります。両モデルの価格は、credit-catalog の prices(model フィールド)に個別に記載されています。
  • 期間はミリ秒単位で計測されます。音声認識および字幕翻訳はソースの期間に基づき、動画は配信された動画の期間に基づきます。
  • 音声合成の課金文字数:中国語の漢字は1文字を2として計算し、その他の文字(スペースや句読点を含む)は1文字を1として計算します。
  • 製品に必要な認識、翻訳、吹き替えなどの工程は価格に含まれています。リクエストでより低レベルの結果(allowed_fallback_products)が許可されており、それが提供された場合でも、提供された製品の価格が適用されます。
  • コスト = 単価 × 使用量(0.001 クレジット(1 ミリクレジット)に丸められます)。
GET /api/v1/billing/media/credit-catalog
POST /api/v1/billing/media/credit-estimates

credit-catalog は各製品の価格(prices、ミリクレジット単位)と販売可否を返します。credit-estimates は、指定された期間、テキスト、または声部数に必要なクレジット(rounded_millicredits)を計算します。これは表示専用であり、ジョブは作成されず、料金も発生しません。

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

製品:

product目的
asr音声認識
tts音声合成
subtitle_translation音声および動画の字幕翻訳
basic_video基本的なビデオ処理
full_videoフルビデオ処理

音声認識の例:

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

音声合成(tts)を除くすべての製品には、max_duration_ms(ミリ秒、最大21600000、すなわち6時間)が必要です。

作成リクエストが 202 を返した後、サーバーはファイルを確認し、処理を開始します。

  1. 開始前にチェックされるのは残高のみです :残高(債務を差し引いた後)は、サーバーが計測した期間から算出されたコスト(音声合成の場合は請求済み文字数に基づき、まだ課金されていない初回利用時の音声料金を含む)を上回っている必要があります。また、予算が設定されているAPIキーの場合、そのキーの残り予算も同様に当該コストを上回っている必要があります。開始しても残高には影響しません。
  2. 実際の使用量は、処理完了時に課金されます :提供された製品および利用状況に基づいて価格が設定され、課金されます。残高でカバーできない部分は債務として記録され、残高はマイナス表示となり、後日入金されるクレジットはまず債務を充当します。残高がマイナスの間は、新しいジョブを開始することはできません。
  3. 失敗またはキャンセルされたジョブには料金は発生しません。

残高が不足しているか、期間が適合しない場合、処理は開始されず、課金も行われません。音声合成は作成時にチェックされ、残高不足の場合は 402 を返します。その他の製品は、サーバーが期間を測定した後にチェックされ、error_code insufficient_credits(残高不足)または media_duration_exceeds_confirmed_cap(実際の期間が max_duration_ms を超過)でジョブは失敗として終了します。

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

クエリのレスポンスには、ジョブのステータス、配信されたファイル、および決済参照情報が含まれます。

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 は不確かなリモート結果を復元します。元の操作のみを確認し、二重の音声を生成することはありません。

音声を作成するには、録音に対する権利を確認する必要があります。

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

通話者は、録音が自身のものであるか、正当な許可を得て使用されていることを確認する責任があります。