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.storedevolve (token,filename,mimeesize), pronto a gravar num campo de um registo. Para os bytes, usafiles.read(r["file"]). sizeé largura x altura, por exemplo1024x1024. No Google, o tamanho passa à proporção mais próxima (1:1, 3:4, 4:3, 9:16 ou 16:9).ngera até 4 imagens de uma vez.r["files"]tem todas;r["file"]é a primeira.filenameé o nome do ficheiro, sem extensão; sem ele, chama-seimagem. A extensão vem do tipo da imagem.- Se os filtros de segurança do fornecedor bloquearem o pedido,
ai.imagelançaai.Errorcom o códigoinvalid_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.storedevolve. - Aceita MP3, MP4, M4A, WAV, WEBM, OGG e FLAC, até 25 MB (15 MB no Google).
languageé a língua falada, em duas letras (pt,en). Sem ela, o modelo identifica-a sozinho.promptajuda 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 emai.image. Semfilename, chama-sevoz. voiceé o nome de uma voz do fornecedor, por exemploalloyounovana OpenAI eKoreouPuckno Google. Sem ela, valealloyno formato da OpenAI eKoreno Google.formatémp3(por omissão),wav,opus,aacouflac. O Google devolve sempre WAV.instructionsdiz 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.