KEPLIN Docs

Imagens e áudio

Gerar imagens com ai.image, transcrever gravações com ai.transcribe e gerar voz com ai.speak.

Cada operação usa um alias do uso certo: Imagens para ai.image, Transcrição para ai.transcribe e Voz para ai.speak. Sem model=, vale o alias predefinido desse uso. Nem todos os fornecedores fazem estas operações: ver O que cada fornecedor faz.

Gerar imagens

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"}
  • As imagens ficam logo no armazenamento da app. Cada uma vem como o ficheiro que files.store devolve (token, filename, mime e size), pronto a gravar num campo de um registo. Para os bytes, usa files.read(r["file"]).
  • size é largura x altura, por exemplo 1024x1024. No Google, o tamanho passa à proporção mais próxima (1:1, 3:4, 4:3, 9:16 ou 16:9).
  • n gera até 4 imagens de uma vez. r["files"] tem todas; r["file"] é a primeira.
  • filename é o nome do ficheiro, sem extensão; sem ele, chama-se imagem. A extensão vem do tipo da imagem.
  • Se os filtros de segurança do fornecedor bloquearem o pedido, ai.image lança ai.Error com o código invalid_output.

Transcrever áudio

from api_manager import ai


def main(input):
    gravacao = input["args"]["gravacao"]  # um argumento Upload de uma API
    t = ai.transcribe(gravacao, language="pt", prompt="Keplin, Gestão de Clientes")
    return {"texto": t["text"]}
  • O ficheiro é um argumento do tipo Upload, o token dele, ou o que files.store devolve.
  • Aceita MP3, MP4, M4A, WAV, WEBM, OGG e FLAC, até 25 MB (15 MB no Google).
  • language é a língua falada, em duas letras (pt, en). Sem ela, o modelo identifica-a sozinho.
  • prompt ajuda com nomes próprios, siglas e termos técnicos que aparecem na gravação.

Gerar voz

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"]}
  • O áudio fica no armazenamento da app, e voz["file"] é o ficheiro, como em ai.image. Sem filename, chama-se voz.
  • voice é o nome de uma voz do fornecedor, por exemplo alloy ou nova na OpenAI e Kore ou Puck no Google. Sem ela, vale alloy no formato da OpenAI e Kore no Google.
  • format é mp3 (por omissão), wav, opus, aac ou flac. O Google devolve sempre WAV.
  • instructions diz como falar (tom, ritmo, emoção), nos modelos que o aceitam.

Perguntas frequentes

Posso editar uma imagem que já existe? Não: ai.image gera imagens novas a partir de texto. Para descrever ou analisar uma imagem, usa ai.chat com files=.

Posso traduzir uma gravação? Transcreve-a com ai.transcribe e traduz o texto com ai.chat.