Imágenes y audio
Generar imágenes con ai.image, transcribir grabaciones con ai.transcribe y generar voz con ai.speak.
Cada operación usa un alias del uso correcto: Imágenes para ai.image,
Transcripción para ai.transcribe y Voz para ai.speak. Sin
model=, vale el alias predeterminado de ese uso. No todos los proveedores
hacen estas operaciones: ver Qué hace cada proveedor.
Generar imágenes
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"}
- Las imágenes van directamente al almacenamiento de la app. Cada una llega
como el archivo que devuelve
files.store(token,filename,mimeysize), listo para guardar en un campo de un registro. Para los bytes, usafiles.read(r["file"]). sizees ancho x alto, por ejemplo1024x1024. En Google, el tamaño pasa a la proporción más cercana (1:1, 3:4, 4:3, 9:16 o 16:9).ngenera hasta 4 imágenes a la vez.r["files"]tiene todas;r["file"]es la primera.filenamees el nombre del archivo, sin extensión; sin él, se llamaimagem. La extensión viene del tipo de la imagen.- Si los filtros de seguridad del proveedor bloquean la petición,
ai.imagelanzaai.Errorcon el códigoinvalid_output.
Transcribir audio
from api_manager import ai
def main(input):
gravacao = input["args"]["gravacao"] # un argumento Upload de una API
t = ai.transcribe(gravacao, language="pt", prompt="Keplin, Gestão de Clientes")
return {"texto": t["text"]}
- El archivo es un argumento de tipo Upload, su token, o lo que devuelve
files.store. - Acepta MP3, MP4, M4A, WAV, WEBM, OGG y FLAC, hasta 25 MB (15 MB en Google).
languagees el idioma hablado, en dos letras (pt,en). Sin él, el modelo lo identifica solo.promptayuda con nombres propios, siglas y términos técnicos que aparecen en la grabación.
Generar voz
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"]}
- El audio va al almacenamiento de la app, y
voz["file"]es el archivo, como enai.image. Sinfilename, se llamavoz. voicees el nombre de una voz del proveedor, por ejemploalloyonovaen OpenAI yKoreoPucken Google. Sin él, valealloyen el formato de OpenAI yKoreen Google.formatesmp3(por defecto),wav,opus,aacoflac. Google devuelve siempre WAV.instructionsdice cómo hablar (tono, ritmo, emoción), en los modelos que lo aceptan.
Preguntas frecuentes
¿Puedo editar una imagen que ya existe? No: ai.image genera imágenes
nuevas a partir de texto. Para describir o analizar una imagen, usa ai.chat
con files=.
¿Puedo traducir una grabación? Transcríbela con ai.transcribe y traduce
el texto con ai.chat.