Bilder und Audio
Bilder mit ai.image erzeugen, Aufnahmen mit ai.transcribe transkribieren und Sprache mit ai.speak erzeugen.
Jede Operation nutzt einen Alias der passenden Verwendung: Bilder für
ai.image, Transkription für ai.transcribe und Sprache für
ai.speak. Ohne model= gilt der Standard-Alias dieser Verwendung. Nicht
jeder Anbieter bietet diese Operationen: siehe Was jeder Anbieter kann.
Bilder erzeugen
from api_manager import ai
def main(input):
r = ai.image(
"Fotografia de produto de uma cadeira de madeira, fundo branco",
size="1024x1024",
filename="cadeira",
)
return {"ficheiro": r["file"]} # {"token", "filename", "mime", "size"}
- Die Bilder landen direkt im Speicher der App. Jedes kommt als die Datei,
die
files.storezurückgibt (token,filename,mimeundsize), bereit zum Speichern in einem Feld eines Datensatzes. Für die Bytes nutzen Siefiles.read(r["file"]). sizeist Breite x Höhe, zum Beispiel1024x1024. Bei Google wird die Größe zum nächstgelegenen Seitenverhältnis (1:1, 3:4, 4:3, 9:16 oder 16:9).nerzeugt bis zu 4 Bilder auf einmal.r["files"]enthält alle;r["file"]ist das erste.filenameist der Dateiname ohne Endung; ohne ihn heißt die Dateiimagem. Die Endung ergibt sich aus dem Bildtyp.- Blockieren die Sicherheitsfilter des Anbieters die Anfrage, löst
ai.imageai.Errormit dem Codeinvalid_outputaus.
Audio transkribieren
from api_manager import ai
def main(input):
gravacao = input["args"]["gravacao"] # ein Argument vom Typ Upload einer API
t = ai.transcribe(gravacao, language="pt", prompt="Keplin, Gestão de Clientes")
return {"texto": t["text"]}
- Die Datei ist ein Argument vom Typ Upload, sein Token oder das, was
files.storezurückgibt. - Akzeptiert MP3, MP4, M4A, WAV, WEBM, OGG und FLAC, bis 25 MB (15 MB bei Google).
languageist die gesprochene Sprache, mit zwei Buchstaben (pt,en). Ohne sie erkennt das Modell die Sprache selbst.prompthilft bei Eigennamen, Abkürzungen und Fachbegriffen, die in der Aufnahme vorkommen.
Sprache erzeugen
from api_manager import ai
def main(input):
voz = ai.speak("A sua encomenda já saiu do armazém.", voice="alloy", filename="aviso")
return {"ficheiro": voz["file"]}
- Das Audio landet im Speicher der App, und
voz["file"]ist die Datei, wie beiai.image. Ohnefilenameheißt die Dateivoz. voiceist der Name einer Stimme des Anbieters, zum Beispielalloyodernovabei OpenAI undKoreoderPuckbei Google. Ohne sie giltalloyim OpenAI-Format undKorebei Google.formatistmp3(Standard),wav,opus,aacoderflac. Google gibt immer WAV zurück.instructionssagt, wie gesprochen werden soll (Ton, Tempo, Emotion), bei den Modellen, die das unterstützen.
Häufige Fragen
Kann ich ein vorhandenes Bild bearbeiten? Nein: ai.image erzeugt neue
Bilder aus Text. Um ein Bild zu beschreiben oder zu analysieren, nutzen Sie
ai.chat mit files=.
Kann ich eine Aufnahme übersetzen? Transkribieren Sie sie mit
ai.transcribe und übersetzen Sie den Text mit ai.chat.