Bilder och ljud
Skapa bilder med ai.image, transkribera inspelningar med ai.transcribe och skapa tal med ai.speak.
Varje åtgärd använder ett alias med rätt användning: Bilder för
ai.image, Transkribering för ai.transcribe och Tal för ai.speak.
Utan model= gäller standardaliaset för den användningen. Alla leverantörer
gör inte de här åtgärderna: se Vad varje leverantör gör.
Skapa 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"}
- Bilderna hamnar direkt i appens lagring. Varje bild kommer som den fil som
files.storereturnerar (token,filename,mimeochsize), redo att sparas i ett fält i en post. För byten använder dufiles.read(r["file"]). sizeär bredd x höjd, till exempel1024x1024. Hos Google blir storleken det närmaste bildförhållandet (1:1, 3:4, 4:3, 9:16 eller 16:9).nskapar upp till 4 bilder åt gången.r["files"]innehåller alla;r["file"]är den första.filenameär filnamnet, utan filändelse; utan det heter filenimagem. Filändelsen kommer från bildtypen.- Om leverantörens säkerhetsfilter blockerar förfrågan kastar
ai.imageai.Errormed kodeninvalid_output.
Transkribera ljud
from api_manager import ai
def main(input):
gravacao = input["args"]["gravacao"] # ett argument av typen Upload i ett API
t = ai.transcribe(gravacao, language="pt", prompt="Keplin, Gestão de Clientes")
return {"texto": t["text"]}
- Filen är ett argument av typen Upload, dess token eller det som
files.storereturnerar. - Tar emot MP3, MP4, M4A, WAV, WEBM, OGG och FLAC, upp till 25 MB (15 MB hos Google).
languageär det talade språket, med två bokstäver (pt,en). Utan det identifierar modellen språket själv.prompthjälper med egennamn, förkortningar och tekniska termer som finns i inspelningen.
Skapa tal
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"]}
- Ljudet hamnar i appens lagring, och
voz["file"]är filen, som iai.image. Utanfilenameheter filenvoz. voiceär namnet på en av leverantörens röster, till exempelalloyellernovahos OpenAI ochKoreellerPuckhos Google. Utan det gälleralloyi OpenAI-formatet ochKorehos Google.formatärmp3(standard),wav,opus,aacellerflac. Google returnerar alltid WAV.instructionssäger hur det ska talas (ton, tempo, känsla), i de modeller som stöder det.
Vanliga frågor
Kan jag redigera en befintlig bild? Nej: ai.image skapar nya bilder
utifrån text. För att beskriva eller analysera en bild använder du ai.chat
med files=.
Kan jag översätta en inspelning? Transkribera den med ai.transcribe och
översätt texten med ai.chat.