Pular para o conteúdo

Áudio, vídeo e vozes

Um job de mídia é executado assim que criado e é cobrado pelos preços do crédito com base no uso medido pelo servidor. Leia o catálogo primeiro; apenas produtos marcados como abertos podem ser executados.

Os preços são informados diretamente em créditos:

ProdutoproductPreço
Reconhecimento de falaasr20 créditos/minuto; o modelo em tempo real fun-asr 30 créditos/minuto (cobrado por milissegundo)
Tradução do subtítulosubtitle_translation60 créditos/minuto
Processamento básico de vídeo (legendas traduzidas, áudio original)basic_video80 créditos/minuto
Processamento completo de vídeo (legendas traduzidas e dublagem)full_video300 créditos/minuto
Síntese de falatts1.500 créditos por 10.000 caracteres faturados
Primeiro uso bem-sucedido de uma voz—300 créditos por voz, cobrados uma única vez
  • O reconhecimento de fala é tarifado de acordo com o modelo de reconhecimento utilizado; os preços de ambos os modelos estão listados separadamente em prices de credit-catalog (o campo model).
  • A duração é medida em milissegundos: reconhecimento de fala e tradução de legendas pela duração da fonte, vídeo pela duração do vídeo entregue.
  • Caracteres cobrados para síntese de fala: cada caractere chinês conta como 2, e todos os demais caracteres (incluindo espaços e pontuação) contam como 1.
  • O reconhecimento, a tradução, a dublagem e outras etapas necessárias para um produto estão incluídos em seu preço. Se a solicitação permitir um resultado de nível inferior (allowed_fallback_products) e esse for entregue, será aplicado o preço do produto entregue.
  • Custo = preço unitário × uso, arredondado para 0,001 crédito (1 milicrédito).
GET /api/v1/billing/media/credit-catalog
POST /api/v1/billing/media/credit-estimates

credit-catalog retorna os preços de cada produto (prices, em milicréditos) e se ele está aberto; credit-estimates calcula os créditos necessários (rounded_millicredits) para uma determinada duração, texto ou número de vozes. É apenas para exibição: não cria nenhum job nem cobra nada.

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

Produtos:

productPropósito
asrReconhecimento de fala
ttsSíntese de fala
subtitle_translationTradução de legendas para áudio e vídeo
basic_videoProcessamento básico de vídeo
full_videoProcessamento completo de vídeo

Exemplo de reconhecimento de fala:

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

Todos os produtos, exceto a síntese de fala (tts), exigem max_duration_ms (milissegundos, no máximo 21600000, ou seja, 6 horas).

Após a solicitação de criação retornar 202, o servidor verifica o arquivo e inicia o processamento:

  1. Apenas o saldo é verificado antes do início : o saldo (após débitos) deve estar acima do custo calculado a partir da duração medida pelo servidor (para síntese de fala, a partir dos caracteres cobrados, incluindo qualquer taxa de primeira utilização da voz ainda não cobrada); com uma chave de API que possui um orçamento definido, o orçamento restante da chave também deve ser superior a esse custo. O início não altera o saldo.
  2. O uso real é cobrado quando termina : precificado e cobrado pelo produto entregue e pelo uso. O que o saldo não cobrir é registrado como dívida e o saldo passa a ser negativo; créditos que chegarem posteriormente quitam a dívida primeiro. Novos trabalhos não podem iniciar enquanto o saldo estiver negativo.
  3. Trabalhos falhados ou cancelados não são cobrados.

Quando o saldo é insuficiente ou a duração não corresponde, nada é iniciado nem cobrado: a síntese de fala é verificada na criação e retorna 402 se o saldo estiver baixo; os demais produtos são verificados após o servidor medir a duração, e o trabalho é finalizado como falha com error_code insufficient_credits (saldo insuficiente) ou media_duration_exceeds_confirmed_cap (a duração real excede 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

A resposta da consulta inclui o status do trabalho, os arquivos entregues e a referência de liquidação.

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 um resultado remoto incerto; ele apenas verifica a operação original e nunca cria uma segunda voz.

Criar uma voz exige confirmar seus direitos sobre a gravação:

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

O autor da chamada é responsável por garantir que a gravação seja de sua propriedade ou utilizada com permissão válida.