KEPLIN Docs

Immagini e audio

Generare immagini con ai.image, trascrivere registrazioni con ai.transcribe e generare voce con ai.speak.

Ogni operazione usa un alias dell'uso giusto: Immagini per ai.image, Trascrizione per ai.transcribe e Voce per ai.speak. Senza model=, vale l'alias predefinito di quell'uso. Non tutti i fornitori fanno queste operazioni: vedi Cosa fa ogni fornitore.

Generare immagini

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"}
  • Le immagini vanno direttamente nell'archivio dell'app. Ognuna arriva come il file che restituisce files.store (token, filename, mime e size), pronto da salvare in un campo di un record. Per i byte, usa files.read(r["file"]).
  • size è larghezza x altezza, per esempio 1024x1024. Con Google, la dimensione diventa la proporzione più vicina (1:1, 3:4, 4:3, 9:16 o 16:9).
  • n genera fino a 4 immagini alla volta. r["files"] le contiene tutte; r["file"] è la prima.
  • filename è il nome del file, senza estensione; senza, il file si chiama imagem. L'estensione viene dal tipo dell'immagine.
  • Se i filtri di sicurezza del fornitore bloccano la richiesta, ai.image solleva ai.Error con il codice invalid_output.

Trascrivere audio

from api_manager import ai


def main(input):
    gravacao = input["args"]["gravacao"]  # un argomento Upload di un'API
    t = ai.transcribe(gravacao, language="pt", prompt="Keplin, Gestão de Clientes")
    return {"texto": t["text"]}
  • Il file è un argomento di tipo Upload, il suo token, o ciò che restituisce files.store.
  • Accetta MP3, MP4, M4A, WAV, WEBM, OGG e FLAC, fino a 25 MB (15 MB su Google).
  • language è la lingua parlata, in due lettere (pt, en). Senza, il modello la riconosce da solo.
  • prompt aiuta con nomi propri, sigle e termini tecnici presenti nella registrazione.

Generare voce

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 nell'archivio dell'app, e voz["file"] è il file, come in ai.image. Senza filename, il file si chiama voz.
  • voice è il nome di una voce del fornitore, per esempio alloy o nova con OpenAI e Kore o Puck con Google. Senza, vale alloy nel formato di OpenAI e Kore con Google.
  • format è mp3 (predefinito), wav, opus, aac o flac. Google restituisce sempre WAV.
  • instructions dice come parlare (tono, ritmo, emozione), nei modelli che lo accettano.

Domande frequenti

Posso modificare un'immagine esistente? No: ai.image genera nuove immagini a partire dal testo. Per descrivere o analizzare un'immagine, usa ai.chat con files=.

Posso tradurre una registrazione? Trascrivila con ai.transcribe e traduci il testo con ai.chat.