KEPLIN Docs

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.store palauttaa (token, filename, mime ja size), valmiina tallennettavaksi tietueen kenttään. Tavut saat kutsulla files.read(r["file"]).
  • size on leveys x korkeus, esimerkiksi 1024x1024. Googlella koko muuttuu lähimmäksi kuvasuhteeksi (1:1, 3:4, 4:3, 9:16 tai 16:9).
  • n luo enintään 4 kuvaa kerralla. r["files"] sisältää ne kaikki; r["file"] on ensimmäinen.
  • filename on tiedoston nimi ilman tiedostopäätettä; ilman sitä tiedoston nimi on imagem. Pääte tulee kuvan tyypistä.
  • Jos palveluntarjoajan turvasuodattimet estävät pyynnön, ai.image nostaa poikkeuksen ai.Error koodilla invalid_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.store palauttaa.
  • Hyväksyy MP3-, MP4-, M4A-, WAV-, WEBM-, OGG- ja FLAC-tiedostot, enintään 25 Mt (15 Mt Googlella).
  • language on puhuttu kieli kahdella kirjaimella (pt, en). Ilman sitä malli tunnistaa kielen itse.
  • prompt auttaa 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, kuten ai.image-kutsussa. Ilman filename-arvoa tiedoston nimi on voz.
  • voice on palveluntarjoajan äänen nimi, esimerkiksi alloy tai nova OpenAI:lla ja Kore tai Puck Googlella. Ilman sitä käytetään OpenAI-muodossa ääntä alloy ja Googlella ääntä Kore.
  • format on mp3 (oletus), wav, opus, aac tai flac. Google palauttaa aina WAV-muotoa.
  • instructions kertoo, 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.