KEPLIN Docs

Images et audio

Générer des images avec ai.image, transcrire des enregistrements avec ai.transcribe et générer de la voix avec ai.speak.

Chaque opération utilise un alias du bon usage : Images pour ai.image, Transcription pour ai.transcribe et Voix pour ai.speak. Sans model=, l'alias par défaut de cet usage s'applique. Tous les fournisseurs ne font pas ces opérations : voir Ce que fait chaque fournisseur.

Générer des images

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"}
  • Les images vont directement dans le stockage de l'app. Chacune arrive comme le fichier que renvoie files.store (token, filename, mime et size), prêt à être enregistré dans un champ d'un enregistrement. Pour les octets, utilisez files.read(r["file"]).
  • size est largeur x hauteur, par exemple 1024x1024. Chez Google, la taille devient le format le plus proche (1:1, 3:4, 4:3, 9:16 ou 16:9).
  • n génère jusqu'à 4 images à la fois. r["files"] les contient toutes ; r["file"] est la première.
  • filename est le nom du fichier, sans extension ; sans lui, le fichier s'appelle imagem. L'extension vient du type de l'image.
  • Si les filtres de sécurité du fournisseur bloquent la requête, ai.image lève ai.Error avec le code invalid_output.

Transcrire de l'audio

from api_manager import ai


def main(input):
    gravacao = input["args"]["gravacao"]  # un argument Upload d'une API
    t = ai.transcribe(gravacao, language="pt", prompt="Keplin, Gestão de Clientes")
    return {"texto": t["text"]}
  • Le fichier est un argument de type Upload, son token, ou ce que renvoie files.store.
  • Accepte MP3, MP4, M4A, WAV, WEBM, OGG et FLAC, jusqu'à 25 Mo (15 Mo sur Google).
  • language est la langue parlée, en deux lettres (pt, en). Sans elle, le modèle l'identifie tout seul.
  • prompt aide avec les noms propres, les sigles et les termes techniques de l'enregistrement.

Générer de la voix

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"]}
  • L'audio va dans le stockage de l'app, et voz["file"] est le fichier, comme dans ai.image. Sans filename, le fichier s'appelle voz.
  • voice est le nom d'une voix du fournisseur, par exemple alloy ou nova chez OpenAI et Kore ou Puck chez Google. Sans elle, alloy s'applique au format OpenAI et Kore chez Google.
  • format est mp3 (par défaut), wav, opus, aac ou flac. Google renvoie toujours du WAV.
  • instructions indique comment parler (ton, rythme, émotion), dans les modèles qui l'acceptent.

Questions fréquentes

Puis-je modifier une image existante ? Non : ai.image génère de nouvelles images à partir de texte. Pour décrire ou analyser une image, utilisez ai.chat avec files=.

Puis-je traduire un enregistrement ? Transcrivez-le avec ai.transcribe et traduisez le texte avec ai.chat.