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,mimeesize), pronto da salvare in un campo di un record. Per i byte, usafiles.read(r["file"]). sizeè larghezza x altezza, per esempio1024x1024. Con Google, la dimensione diventa la proporzione più vicina (1:1, 3:4, 4:3, 9:16 o 16:9).ngenera fino a 4 immagini alla volta.r["files"]le contiene tutte;r["file"]è la prima.filenameè il nome del file, senza estensione; senza, il file si chiamaimagem. L'estensione viene dal tipo dell'immagine.- Se i filtri di sicurezza del fornitore bloccano la richiesta,
ai.imagesollevaai.Errorcon il codiceinvalid_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).
languageè la lingua parlata, in due lettere (pt,en). Senza, il modello la riconosce da solo.promptaiuta 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 inai.image. Senzafilename, il file si chiamavoz. voiceè il nome di una voce del fornitore, per esempioalloyonovacon OpenAI eKoreoPuckcon Google. Senza, valealloynel formato di OpenAI eKorecon Google.formatèmp3(predefinito),wav,opus,aacoflac. Google restituisce sempre WAV.instructionsdice 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.