跳转到内容

Audio, video i glasovi

Medijski zadatak se pokreće čim bude kreiran i naplaćuje se po cenama za kredite u skladu sa korišćenjem koje server meri. Prvo pročitajte katalog; samo proizvodi označeni kao otvoreni mogu da se pokrenu.

Cene su navedene direktno u kreditima:

ProizvodproductCena
Prepoznavanje govoraasr20 kredita/minut; realno vreme model fun-asr 30 kredita/minut (naplaćuje se po milisekundi)
Prevod podnaslovasubtitle_translation60 kredita/minut
Osnovna obrada videa (prevedeni titlovi, originalni audio)basic_video80 kredita/minut
Puna obrada videa (prevedeni titlovi i sinhronizacija)full_video300 kredita/minut
Sinteza govoratts1.500 kredita po 10.000 obračunatih karaktera
Prva uspešna primena glasa—300 kredita po glasu, naplaćuje se jednom
  • Cena prepoznavanja govora određuje se uzimajući u obzir korišćeni model prepoznavanja; cene oba modela su posebno navedene u prices odnosno credit-catalog (polje model).
  • Trajanje se meri u milisekundama: prepoznavanje govora i prevod titlova po trajanju izvora, video po trajanju dostavljenog videa.
  • Obračunati karakteri za sintezu govora: svaki kineski karakter se računa kao 2, a svaki drugi karakter (uključujući razmake i interpunkciju) kao 1.
  • Prepoznavanje, prevod, dublaj i drugi koraci koji su potrebni za proizvod uključeni su u njegovu cenu. Ako zahtev dopušta rezultat nižeg nivoa (allowed_fallback_products) i takav rezultat bude isporučen, primenjuje se cena isporučenog proizvoda.
  • Trošak = cena po jedinici × potrošnja, okrugljeno na 0,001 kredit (1 milikredit).
GET /api/v1/billing/media/credit-catalog
POST /api/v1/billing/media/credit-estimates

credit-catalog vraća cene svakog proizvoda (prices, u milikreditima) i da li je otvoren; credit-estimates izračunava potrebne kredite (rounded_millicredits) za zadati trajanje, tekst ili broj glasova. Ovo je samo za prikaz: ne kreira posao i ništa ne naplaćuje.

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

Proizvodi:

productNamena
asrPrepoznavanje govora
ttsSinteza govora
subtitle_translationPrevod na titlove za audio i video zapis
basic_videoOsnovna obrada videa
full_videoPotpuna obrada videa

Primer prepoznavanja govora:

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

Svaki proizvod osim sinteze govora (tts) zahteva max_duration_ms (milisekundi, najviše 21600000, što je 6 sati).

Nakon što zahtev za kreiranje vrati 202, server proverava datoteku i započinje obradu:

  1. Pre pokretanja proverava se samo stanje na računu : stanje (nakon zaduženja) mora biti veće od troškova izračunatih na osnovu vremena koje je server izmerio (za sintezu govora, na osnovu naplaćenih karaktera, uključujući eventualnu naknadu za prvi korišćenje glasa koja još nije naplaćena); ako se koristi API ključ sa budžetom, preostali budžet ključa takođe mora biti veći od tih troškova. Pokretanje ne menja stanje na računu.
  2. Stvarna potrošnja se naplaćuje kada se završi : ceni se i naplaćuje prema isporučenom proizvodu i upotrebi. Sve što stanje ne pokriva evidentira se kao dug, a stanje se prikazuje kao negativno; krediti koji stignu kasnije prvo otplaćuju dug. Novi poslovi ne mogu započeti dok je stanje negativno.
  3. Za neuspešne ili otkazane zadatke se ne naplaćuje.

Kada je stanje prenisko ili trajanje ne odgovara, ništa se ne pokreće i ništa se ne naplaćuje: sinteza govora se proverava pri kreiranju i vraća 402 kada je stanje prenisko; drugi proizvodi se proveravaju nakon što server izmeri trajanje, a zadatak se završava kao neuspešan sa error_code insufficient_credits (stanje prenisko) ili media_duration_exceeds_confirmed_cap (stvarno trajanje premašuje 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

Odgovor na upit sadrži status zadatka, dostavljene datoteke i referencu za obračun.

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 vraća neodređeni udaljeni rezultat; on samo proverava originalnu operaciju i nikada ne stvara drugi glas.

Kreiranje glasa zahteva potvrdu vaših prava na snimak:

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

Pokretač poziva je odgovoran za to da se uveri da je snimak njegov ili da se koristi uz važeću dozvolu.