KEPLIN Docs

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, mime y size), listo para guardar en un campo de un registro. Para los bytes, usa files.read(r["file"]).
  • size es ancho x alto, por ejemplo 1024x1024. En Google, el tamaño pasa a la proporción más cercana (1:1, 3:4, 4:3, 9:16 o 16:9).
  • n genera hasta 4 imágenes a la vez. r["files"] tiene todas; r["file"] es la primera.
  • filename es el nombre del archivo, sin extensión; sin él, se llama imagem. La extensión viene del tipo de la imagen.
  • Si los filtros de seguridad del proveedor bloquean la petición, ai.image lanza ai.Error con el código invalid_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).
  • language es el idioma hablado, en dos letras (pt, en). Sin él, el modelo lo identifica solo.
  • prompt ayuda 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 en ai.image. Sin filename, se llama voz.
  • voice es el nombre de una voz del proveedor, por ejemplo alloy o nova en OpenAI y Kore o Puck en Google. Sin él, vale alloy en el formato de OpenAI y Kore en Google.
  • format es mp3 (por defecto), wav, opus, aac o flac. Google devuelve siempre WAV.
  • instructions dice 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.