Перейти до вмісту

Аудіо, відео та голоси

Завдання медіа запускається одразу після створення і тарифікується за кредитними цінами відповідно до обсягу використання, який вимірює сервер. Спочатку ознайомтеся з каталогом; запускати можна лише продукти, позначені як відкриті.

Ціни вказано безпосередньо у кредитах:

ПродуктproductЦіна
Розпізнавання мовленняasr20 кредитів/хвилину; модель реального часу fun-asr — 30 кредитів/хвилину (тарифікується з точністю до мілісекунди)
Переклад підзаголовкаsubtitle_translation60 кредитів/хвилина
Базова обробка відео (перекладені субтитри, оригінальне аудіо)basic_video80 кредитів/хвилина
Повна обробка відео (переклад субтитрів та дубляж)full_video300 кредитів/хвилина
Синтез мовленняtts1 500 кредитів за 10 000 оплачуваних символів
Перше успішне використання голосу—300 кредитів за голос, списується одноразово
  • Тариф на розпізнавання мови залежить від використовуваної моделі розпізнавання; ціни обох моделей окремо наведено в prices та credit-catalog (поле model).
  • Тривалість вимірюється в мілісекундах: розпізнавання мови та переклад субтитрів — за тривалістю вихідного звуку, відео — за тривалістю наданого відео.
  • Кількість символів для синтезу мови: кожен китайський ієрогліф зараховується як 2, всі інші символи (включаючи пробіли та знаки пунктуації) — як 1.
  • Розпізнавання, переклад, дубляж та інші необхідні етапи включаються у вартість продукту. Якщо запит допускає результат нижчого рівня (allowed_fallback_products) і такий результат надається, застосовується ціна наданого продукту.
  • Вартість = ціна за одиницю × обсяг використання, округлено до 0,001 кредиту (1 міллікредит).
GET /api/v1/billing/media/credit-catalog
POST /api/v1/billing/media/credit-estimates

credit-catalog повертає ціни кожного продукту (prices, у міллікредитах) та інформацію про те, чи він доступний; credit-estimates обчислює кількість кредитів (rounded_millicredits), необхідних для заданої тривалості, тексту або кількості голосів. Це лише для відображення: воно не створює завдання і нічого не сплачує.

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

Продукти:

productПризначення
asrРозпізнавання мовлення
ttsСинтез мовлення
subtitle_translationПереклад субтитрів для аудіо та відео
basic_videoБазова обробка відео
full_videoПовна обробка відео

Приклад розпізнавання мовлення:

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

Кожен продукт, крім синтезу мовлення (tts), вимагає max_duration_ms (мілісекунд, максимум 21600000, що становить 6 годин).

Після того як запит на створення поверне 202, сервер перевіряє файл і починає обробку:

  1. Перевіряється лише баланс перед початком : баланс (після боргу) має перевищувати вартість, обчислену на основі тривалості, виміряної сервером (для синтезу мовлення — на основі тарифікованих символів, включаючи будь-яку плату за перше використання голосу, яка ще не була списана); при наявності API-ключу з бюджетом залишок бюджету цього ключа також має перевищувати цю вартість. Початок роботи не змінює баланс.
  2. Фактичне використання тарифікується після його завершення : тарифікується та оплачується за доставлений продукт і використання. Все, що не покривається балансом, фіксується як заборгованість, і баланс стає від’ємним; надходження кредитів пізніше спочатку погашають цю заборгованість. Нові завдання не можуть починатися, поки баланс є від’ємним.
  3. За завдання, що завершилися з помилкою або були скасовані, оплата не стягується.

Коли баланс занадто низький або тривалість не відповідає вимогам, жодна операція не запускається і з клієнта не стягується жодна сума: функція синтезу мови перевіряється під час створення завдання та повертає 402, якщо баланс занадто низький; для інших продуктів перевірка проводиться після того, як сервер виміряє тривалість, і завдання завершується з помилкою error_code insufficient_credits (занадто низький баланс) або media_duration_exceeds_confirmed_cap (фактична тривалість перевищує 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

Відповідь запиту містить статус завдання, надіслані файли та референс розрахунку.

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 відновлює невизначений результат віддаленого запиту; він лише перевіряє вихідну операцію і ніколи не створює другий голос.

Створення голосу вимагає підтвердження ваших прав на запис:

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

Викликання несе відповідальність за те, щоб запис був його власним або використовувався з дійсним дозволом.