跳转到内容

ఆడియో, వీడియో మరియు స్వరాలు

ఒక మీడియా జాబ్ సృష్టించబడిన వెంటనే పనిచేస్తుంది మరియు సర్వర్ కొలిచే వినియోగానికి తగిన క్రెడిట్ ధరల ప్రకారం ఛార్జ్ చేయబడుతుంది. ముందుగా క్యాటలాగ్‌ను చదవండి; ఓపెన్‌గా గుర్తించబడిన ఉత్పత్తులు మాత్రమే పనిచేయగలవు.

ధరలు నేరుగా క్రెడిట్‌లలో ఇవ్వబడతాయి:

ఉత్పత్తిproductధర
స్పీచ్ రికగ్నిషన్asr20 క్రెడిట్‌లు/నిమిషం; fun-asr రియల్‌టైమ్ మోడల్ 30 క్రెడిట్‌లు/నిమిషం (మిల్లీసెకన్‌కు బిల్లింగ్)
ఉపశీర్షిక అనువాదంsubtitle_translation60 క్రెడిట్‌లు/నిమిషం
ప్రాథమిక వీడియో ప్రాసెసింగ్ (అనువదించిన ఉపశీర్షికలు, అసలు ఆడియో)basic_video80 క్రెడిట్‌లు/నిమిషం
పూర్తి వీడియో ప్రాసెసింగ్ (అనువదించిన ఉపశీర్షికలు మరియు డబ్బింగ్)full_video300 క్రెడిట్‌లు/నిమిషం
స్పీచ్ సింథసిస్tts10,000 బిల్లబడే అక్షరాలకు 1,500 క్రెడిట్‌లు
మొదటి విజయవంతమైన స్వర ఉపయోగం—ప్రతి వాయిస్‌కు 300 క్రెడిట్‌లు, ఒక్కసారి మాత్రమే వసూలు చేయబడతాయి
  • స్పీచ్ గుర్తింపు ధరను ఉపయోగించిన గుర్తింపు నమూనా ఆధారంగా నిర్ణయిస్తారు; రెండు నమూనాల ధరలు credit-catalog లోని prices ( model ఫీల్డ్) లో వేర్వేరుగా జాబితా చేయబడ్డాయి.
  • నిడితి మిల్లీసెకన్లలో లెక్కించబడుతుంది: ప్రసంగ గుర్తింపు మరియు ఉపశీర్షిక అనువాదం మూల నిడితి ప్రకారం, వీడియో డెలివరీ చేయబడిన వీడియో నిడితి ప్రకారం.
  • స్పీచ్ సింథసిస్ కోసం బిల్డ్ చేసిన అక్షరాలు: ప్రతి చైనీస్ అక్షరం 2గా, మిగతా ప్రతి అక్షరం (స్పేస్‌లు మరియు విరామ చిహ్నాలతో సహా) 1గా లెక్కించబడతాయి.
  • ఒక ఉత్పత్తికి అవసరమైన గుర్తింపు, అనువాదం, డబ్బింగ్ మరియు ఇతర దశలు దాని ధరలో చేర్చబడతాయి. ఒకవేళ అభ్యర్థన తక్కువ స్థాయి ఫలితాన్ని (allowed_fallback_products) అనుమతిస్తే మరియు అలాంటి ఫలితం అందించబడితే, అందించబడిన ఉత్పత్తి ధర వర్తిస్తుంది.
  • వ్యయం = యూనిట్ ధర × వినియోగం, 0.001 క్రెడిట్ (1 మిల్లీక్రెడిట్) వద్ద రౌండ్ చేయబడుతుంది.
GET /api/v1/billing/media/credit-catalog
POST /api/v1/billing/media/credit-estimates

credit-catalog ప్రతి ఉత్పత్తి ధరలను (prices, మిల్లీక్రెడిట్‌లలో) మరియు అది తెరిచి ఉన్నదో కాదో తిరిగి ఇస్తుంది; credit-estimates ఒక నిర్దిష్ట వ్యవధి, టెక్స్‌ట్ లేదా వాయిస్‌ల సంఖ్యకు అవసరమైన క్రెడిట్‌లను (rounded_millicredits) లెక్కిస్తుంది. ఇది ప్రదర్శన కోసం మాత్రమే: ఇది ఎటువంటి జాబ్‌ను సృష్టించదు మరియు ఎటువంటి ఛార్జీలు వసూలు చేయదు.

ఒక ఉద్యోగాన్ని సృష్టించండి

Section titled “ఒక ఉద్యోగాన్ని సృష్టించండి”
POST /api/v1/media-jobs
Idempotency-Key: unique-request-id

ఉత్పత్తులు:

productఉద్దేశ్యం
asrస్పీచ్ రికగ్నిషన్
ttsస్పీచ్ సింథసిస్
subtitle_translationఆడియో మరియు వీడియో కోసం ఉపశీర్షిక అనువాదం
basic_videoప్రాథమిక వీడియో ప్రాసెసింగ్
full_videoపూర్తి వీడియో ప్రాసెసింగ్

స్పీచ్ రికగ్నిషన్ ఉదాహరణ:

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

స్పీచ్ సింథసిస్ (tts) మినహా ప్రతి ఉత్పత్తికి max_duration_ms (మిల్లీసెకన్లు, గరిష్టంగా 21600000, అంటే 6 గంటలు) అవసరం.

After the create request returns 202, the server checks the file and starts processing:

  1. ప్రారంభించడానికి ముందు బ్యాలెన్స్‌ను మాత్రమే తనిఖీ చేస్తారు : బ్యాలెన్స్ (అప్పు తర్వాత) సర్వర్ కొలిచిన వ్యవధి నుండి లెక్కించబడిన ఖర్చు కంటే ఎక్కువగా ఉండాలి (స్పీచ్ సింథెసిస్ కోసం, బిల్డ్ చేసిన అక్షరాల నుండి, ఇంకా వసూలు చేయని ఏదైనా మొదటి-ఉపయోగ వాయిస్ ఫీజు సహా); బడ్జెట్ ఉన్న API కీ కోసం, ఆ కీ యొక్క మిగిలిన బడ్జెట్ కూడా ఆ ఖర్చు కంటే ఎక్కువగా ఉండాలి. ప్రారంభించడం వలన బ్యాలెన్స్ మారదు.
  2. నిజమైన వినియోగం పూర్తయినప్పుడు ఛార్జ్ చేయబడుతుంది : అందించబడిన ఉత్పత్తి మరియు వినియోగం ఆధారంగా ధర నిర్ణయించబడుతుంది మరియు ఛార్జ్ చేయబడుతుంది. బ్యాలెన్స్ కవర్ చేయని ఏదైనా అప్పుగా నమోదు చేయబడుతుంది మరియు బ్యాలెన్స్ ప్రతికూలంగా చూపబడుతుంది; తర్వాత వచ్చే క్రెడిట్‌లు మొదట అప్పును చెల్లిస్తాయి. బ్యాలెన్స్ ప్రతికూలంగా ఉన్నప్పుడు కొత్త జాబ్‌లు ప్రారంభించలేవు.
  3. విఫలమైన లేదా రద్దు చేసిన పనులకు ఛార్జీ వసూలు చేయబడదు.

బ్యాలెన్స్ చాలా తక్కువగా ఉన్నప్పుడు లేదా వ్యవధి సరిపోనప్పుడు, ఏదీ ప్రారంభం కాదు మరియు ఎటువంటి ఛార్జీలు వసూలు చేయబడవు: స్పీచ్ సింథసిస్ సృష్టి సమయంలో తనిఖీ చేయబడుతుంది మరియు బ్యాలెన్స్ చాలా తక్కువగా ఉన్నప్పుడు 402 ను తిరిగి ఇస్తుంది; ఇతర ఉత్పత్తులను సర్వర్ వ్యవధిని కొలిచిన తర్వాత తనిఖీ చేస్తారు మరియు పని error_code insufficient_credits (బ్యాలెన్స్ చాలా తక్కువ) లేదా media_duration_exceeds_confirmed_cap (నిజమైన వ్యవధి max_duration_ms ని మించిపోయింది) తో విఫలమైనట్లు ముగుస్తుంది.

ప్రశ్నించండి మరియు రద్దు చేయండి

Section titled “ప్రశ్నించండి మరియు రద్దు చేయండి”
GET /api/v1/media-jobs/{operation_id}
GET /api/v1/media-jobs?limit=25
POST /api/v1/media-jobs/{operation_id}/cancel

ప్రశ్న యొక్క స్పందనలో జాబ్ స్టేటస్, డెలివరీ చేసిన ఫైళ్ళు మరియు సెటిల్‌మెంట్ రెఫరెన్స్ ఉంటాయి.

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 అనిశ్చితమైన రిమోట్ ఫలితాన్ని పునరుద్ధరిస్తుంది; ఇది అసలు ఆపరేషన్‌ను మాత్రమే తనిఖీ చేస్తుంది మరియు ఎప్పుడూ రెండవ వాయిస్‌ను సృష్టించదు.

వాయిస్‌ను సృష్టించడానికి, రికార్డింగ్‌పై మీ హక్కులను ధృవీకరించాలి:

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

రికార్డింగ్ వారిది లేదా చెల్లుబాటు అయ్యే అనుమతితో ఉపయోగించబడుతోందని నిర్ధారించుకోవడం కాలర్‌కు బాధ్యత.