Перейти к содержимому

Аудио, видео и голосовые данные

Задание на обработку медиафайлов запускается сразу после создания и тарифицируется по кредитным ценам в соответствии с фактическим использованием, измеряемым сервером. Сначала ознакомьтесь с каталогом; запустить можно только продукты, помеченные как открытые.

Цены указаны непосредственно в кредитах:

ПродуктproductЦена
Распознавание речиasr20 кредитов/минута; модель в реальном времени fun-asr — 30 кредитов/минута (тарификация производится с точностью до миллисекунды)
Перевод подзаголовкаsubtitle_translation60 кредитов/минута
Базовая обработка видео (переведённые субтитры, оригинальный звук)basic_video80 кредитов/минута
Полная обработка видео (перевод субтитров и дублирование)full_video300 кредитов/минута
Синтез речиtts1 500 кредитов за 10 000 оплачиваемых символов
Первое успешное использование голоса—300 кредитов за голос, списание единожды
  • Цена распознавания речи определяется используемой моделью распознавания; цены обеих моделей указаны отдельно в prices раздела credit-catalog (поле model).
  • Продолжительность измеряется в миллисекундах: распознавание речи и перевод субтитров — по исходной продолжительности, видео — по продолжительности предоставленного видеоматериала.
  • Количество символов для синтеза речи: каждый китайский иероглиф считается за 2, все остальные символы (включая пробелы и знаки препинания) — за 1.
  • Распознавание, перевод, дублирование и другие необходимые этапы включены в стоимость продукта. Если запрос допускает результат более низкого уровня (allowed_fallback_products) и такой результат предоставлен, применяется цена за предоставленный продукт.
  • Стоимость = цена за единицу × объём использования, округлённая до 0,001 кредита (1 милликредит).
GET /api/v1/billing/media/credit-catalog
POST /api/v1/billing/media/credit-estimates

credit-catalog возвращает цены каждого продукта (prices, в милликредитах) и информацию о том, открыт ли он; credit-estimates вычисляет количество кредитов, необходимое (rounded_millicredits) для заданной длительности, текста или количества голосов. Это предназначено только для отображения: оно не создаёт задание и ничего не оплачивает.

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

Продукты:

productНазначение
asrРаспознавание речи
ttsСинтез речи
subtitle_translationПеревод субтитров для аудио- и видеоматериалов
basic_videoБазовая обработка видео
full_videoПолная обработка видео

Пример распознавания речи:

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

Каждый продукт, за исключением синтеза речи (tts), требует max_duration_ms (в миллисекундах, максимум 21600000, то есть 6 часов).

После того как запрос на создание вернёт 202, сервер проверяет файл и начинает обработку:

  1. Перед запуском проверяется только баланс : баланс (за вычетом задолженности) должен превышать стоимость, рассчитанную на основе измеренной сервером продолжительности (для синтеза речи — на основе тарифицируемых символов, включая возможную плату за первое использование голоса, которая ещё не была списана); при наличии API‑ключа с установленным бюджетом остаток бюджета этого ключа также должен превышать указанную стоимость. Запуск не влияет на баланс.
  2. Фактическое использование тарифицируется по его завершении : оплата производится в зависимости от поставленного продукта и фактического использования. Все, что не покрывается остатком, фиксируется как долг, и баланс отображается отрицательным; поступившие позже кредиты сначала используются для погашения долга. Новые задания не могут быть запущены, пока баланс отрицательный.
  3. За неудавшиеся или отменённые задания плата не взимается.

Если баланс слишком низкий или длительность не соответствует требованиям, задача не запускается и плата не взимается: синтез речи проверяется при создании и возвращает 402, если баланс слишком низкий; для других продуктов проверка выполняется после того, как сервер измеряет длительность, и задание завершается с ошибкой error_code insufficient_credits (слишком низкий баланс) или media_duration_exceeds_confirmed_cap (фактическая длительность превышает 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

Ответ на запрос включает статус задания, доставленные файлы и ссылку для расчётов.

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 восстанавливает неопределённый удалённый результат; он проверяет только исходную операцию и никогда не создаёт вторую голосовую дорожку.

Для создания голоса необходимо подтвердить ваши права на запись:

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

Вызывающий абонент несёт ответственность за то, чтобы запись была его собственной или использовалась на основании действительного разрешения.