KEPLIN Docs

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.store returnerar (token, filename, mime och size), redo att sparas i ett fält i en post. För byten använder du files.read(r["file"]).
  • size är bredd x höjd, till exempel 1024x1024. Hos Google blir storleken det närmaste bildförhållandet (1:1, 3:4, 4:3, 9:16 eller 16:9).
  • n skapar upp till 4 bilder åt gången. r["files"] innehåller alla; r["file"] är den första.
  • filename är filnamnet, utan filändelse; utan det heter filen imagem. Filändelsen kommer från bildtypen.
  • Om leverantörens säkerhetsfilter blockerar förfrågan kastar ai.image ai.Error med koden invalid_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.store returnerar.
  • Tar emot MP3, MP4, M4A, WAV, WEBM, OGG och FLAC, upp till 25 MB (15 MB hos Google).
  • language är det talade språket, med två bokstäver (pt, en). Utan det identifierar modellen språket själv.
  • prompt hjälper 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 i ai.image. Utan filename heter filen voz.
  • voice är namnet på en av leverantörens röster, till exempel alloy eller nova hos OpenAI och Kore eller Puck hos Google. Utan det gäller alloy i OpenAI-formatet och Kore hos Google.
  • format är mp3 (standard), wav, opus, aac eller flac. Google returnerar alltid WAV.
  • instructions säger 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.