Kuvat ja ääni
Kuvien luonti ai.image-kutsulla, tallenteiden litterointi ai.transcribe-kutsulla ja puheen luonti ai.speak-kutsulla.
Kukin toiminto käyttää oikean käytön aliasta: Kuvat ai.image-kutsulle,
Litterointi ai.transcribe-kutsulle ja Puhe ai.speak-kutsulle.
Ilman model=-parametria käytetään kyseisen käytön oletusaliasta. Kaikki
palveluntarjoajat eivät tee näitä toimintoja: katso Mitä kukin palveluntarjoaja tekee.
Kuvien luonti
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"}
- Kuvat menevät suoraan sovelluksen tallennustilaan. Kukin tulee
tiedostona, jonka
files.storepalauttaa (token,filename,mimejasize), valmiina tallennettavaksi tietueen kenttään. Tavut saat kutsullafiles.read(r["file"]). sizeon leveys x korkeus, esimerkiksi1024x1024. Googlella koko muuttuu lähimmäksi kuvasuhteeksi (1:1, 3:4, 4:3, 9:16 tai 16:9).nluo enintään 4 kuvaa kerralla.r["files"]sisältää ne kaikki;r["file"]on ensimmäinen.filenameon tiedoston nimi ilman tiedostopäätettä; ilman sitä tiedoston nimi onimagem. Pääte tulee kuvan tyypistä.- Jos palveluntarjoajan turvasuodattimet estävät pyynnön,
ai.imagenostaa poikkeuksenai.Errorkoodillainvalid_output.
Äänen litterointi
from api_manager import ai
def main(input):
gravacao = input["args"]["gravacao"] # API:n Upload-tyyppinen argumentti
t = ai.transcribe(gravacao, language="pt", prompt="Keplin, Gestão de Clientes")
return {"texto": t["text"]}
- Tiedosto on Upload-tyyppinen argumentti, sen tunniste tai se, mitä
files.storepalauttaa. - Hyväksyy MP3-, MP4-, M4A-, WAV-, WEBM-, OGG- ja FLAC-tiedostot, enintään 25 Mt (15 Mt Googlella).
languageon puhuttu kieli kahdella kirjaimella (pt,en). Ilman sitä malli tunnistaa kielen itse.promptauttaa erisnimien, lyhenteiden ja tallenteen teknisten termien kanssa.
Puheen luonti
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"]}
- Ääni menee sovelluksen tallennustilaan, ja
voz["file"]on tiedosto, kutenai.image-kutsussa. Ilmanfilename-arvoa tiedoston nimi onvoz. voiceon palveluntarjoajan äänen nimi, esimerkiksialloytainovaOpenAI:lla jaKoretaiPuckGooglella. Ilman sitä käytetään OpenAI-muodossa ääntäalloyja Googlella ääntäKore.formatonmp3(oletus),wav,opus,aactaiflac. Google palauttaa aina WAV-muotoa.instructionskertoo, miten puhutaan (sävy, tahti, tunne), niissä malleissa, jotka tukevat sitä.
Usein kysyttyä
Voinko muokata olemassa olevaa kuvaa? Et: ai.image luo uusia kuvia
tekstin perusteella. Käytä kuvan kuvailuun tai analysointiin ai.chat-kutsua
files=-parametrin kanssa.
Voinko kääntää tallenteen? Litteroi se ai.transcribe-kutsulla ja käännä
teksti ai.chat-kutsulla.