Bilder og lyd
Lage bilder med ai.image, transkribere opptak med ai.transcribe og lage tale med ai.speak.
Hver operasjon bruker et alias med riktig bruk: Bilder for ai.image,
Transkripsjon for ai.transcribe og Tale for ai.speak. Uten
model= gjelder standardaliaset for den bruken. Ikke alle leverandører gjør
disse operasjonene: se Hva hver leverandør gjør.
Lage bilder
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"}
- Bildene havner rett i lagringen til appen. Hvert bilde kommer som filen
files.storereturnerer (token,filename,mimeogsize), klar til å lagres i et felt i en post. For bytene bruker dufiles.read(r["file"]). sizeer bredde x høyde, for eksempel1024x1024. Hos Google blir størrelsen til det nærmeste sideforholdet (1:1, 3:4, 4:3, 9:16 eller 16:9).nlager opptil 4 bilder om gangen.r["files"]har alle;r["file"]er det første.filenameer filnavnet, uten filtype; uten det heter filenimagem. Filtypen kommer fra bildetypen.- Hvis sikkerhetsfiltrene til leverandøren blokkerer forespørselen, kaster
ai.imageai.Errormed kodeninvalid_output.
Transkribere lyd
from api_manager import ai
def main(input):
gravacao = input["args"]["gravacao"] # et argument av typen Upload i et API
t = ai.transcribe(gravacao, language="pt", prompt="Keplin, Gestão de Clientes")
return {"texto": t["text"]}
- Filen er et argument av typen Upload, tokenet til det, eller det
files.storereturnerer. - Tar imot MP3, MP4, M4A, WAV, WEBM, OGG og FLAC, opptil 25 MB (15 MB hos Google).
languageer språket som snakkes, med to bokstaver (pt,en). Uten det gjenkjenner modellen språket selv.prompthjelper med egennavn, forkortelser og tekniske ord som finnes i opptaket.
Lage tale
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"]}
- Lyden havner i lagringen til appen, og
voz["file"]er filen, som iai.image. Utenfilenameheter filenvoz. voiceer navnet på en av stemmene til leverandøren, for eksempelalloyellernovahos OpenAI ogKoreellerPuckhos Google. Uten det gjelderalloyi OpenAI-formatet ogKorehos Google.formatermp3(standard),wav,opus,aacellerflac. Google returnerer alltid WAV.instructionssier hvordan det skal snakkes (tone, tempo, følelse), i modellene som støtter det.
Vanlige spørsmål
Kan jeg redigere et bilde som finnes fra før? Nei: ai.image lager nye
bilder ut fra tekst. For å beskrive eller analysere et bilde bruker du
ai.chat med files=.
Kan jeg oversette et opptak? Transkriber det med ai.transcribe og
oversett teksten med ai.chat.