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:
| ఉత్పత్తి | product | ధర |
|---|---|---|
| స్పీచ్ రికగ్నిషన్ | asr | 20 క్రెడిట్లు/నిమిషం; fun-asr రియల్టైమ్ మోడల్ 30 క్రెడిట్లు/నిమిషం (మిల్లీసెకన్కు బిల్లింగ్) |
| ఉపశీర్షిక అనువాదం | subtitle_translation | 60 క్రెడిట్లు/నిమిషం |
| ప్రాథమిక వీడియో ప్రాసెసింగ్ (అనువదించిన ఉపశీర్షికలు, అసలు ఆడియో) | basic_video | 80 క్రెడిట్లు/నిమిషం |
| పూర్తి వీడియో ప్రాసెసింగ్ (అనువదించిన ఉపశీర్షికలు మరియు డబ్బింగ్) | full_video | 300 క్రెడిట్లు/నిమిషం |
| స్పీచ్ సింథసిస్ | tts | 10,000 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-catalogలోనిprices(modelఫీల్డ్) 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-catalogPOST /api/v1/billing/media/credit-estimatescredit-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-jobsIdempotency-Key: unique-request-idఉత్పత్తులు:
product | ఉద్దేశ్యం |
|---|---|
asr | స్పీచ్ రికగ్నిషన్ |
tts | స్పీచ్ సింథసిస్ |
subtitle_translation | ఆడియో మరియు వీడియో కోసం ఉపశీర్షిక అనువాదం |
basic_video | ప్రాథమిక వీడియో ప్రాసెసింగ్ |
full_video | పూర్తి 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:
- 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.
- 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.
- 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=25POST /api/v1/media-jobs/{operation_id}/cancelప్రశ్న యొక్క స్పందనలో జాబ్ స్టేటస్, డెలివరీ చేసిన ఫైళ్ళు మరియు సెటిల్మెంట్ రెఫరెన్స్ ఉంటాయి.
స్వరాలు
Section titled “స్వరాలు”GET /api/v1/media-voicesPOST /api/v1/media-voicesGET /api/v1/media-voices/{asset_id}POST /api/v1/media-voices/{asset_id}/confirmPOST /api/v1/media-voices/{asset_id}/reconcilePOST /api/v1/media-voices/{asset_id}/revokereconcile 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.