صدا و موسیقی

ترجمه‌ی گفتار

گفتار یک فایل صوتی را ترجمه می‌کند و متن را برمی‌گرداند. درخواست multipart است و هر مدل تبدیل گفتار به متن این امکان را ندارد.

POST/v1/audio/translations

قالب درخواست مثل /v1/audio/transcriptions است: فایل در file و حداکثر ۲۵ مگابایت. تفاوت این است که پارامتر language ندارد و پاسخ متن ترجمه‌شده است. زبان مقصد را مدل تعیین می‌کند و این مسیر برایش پارامتری ندارد.

فقط مدل‌هایی که ترجمه‌ی گفتار را پشتیبانی می‌کنند به این مسیر جواب می‌دهند. اگر مدل شما پشتیبانی نکند، درخواست روی آن مدل اجرا نمی‌شود و خطا برمی‌گردد. هزینه مثل تبدیل گفتار به متن به مدت صدا بستگی دارد.

نمونه‌ها

curl https://1ai.ir/v1/audio/translations \
  -H "Authorization: Bearer $ONEAI_API_KEY" \
  -F 'model=openai/whisper-1' \
  -F "file=@voice-message.mp3"
200پاسخ
{
  "model": "openai/whisper-1",
  "text": "I will arrive at the office around nine tomorrow."
}

بدنه‌ی درخواست

  • filefileالزامی

    فایل صوتی، حداکثر ۲۵ مگابایت.

  • modelstringالزامی

    شناسه‌ی مدل تبدیل گفتار به متن که ترجمه را پشتیبانی کند، برای نمونه openai/whisper-1.

  • promptstring

    متن راهنما، حداکثر ۴٬۰۰۰ نویسه.

  • response_formatstring

    قالب پاسخ.

    مقادیر مجاز:jsontextsrtverbose_jsonvtt
  • temperaturenumber

    دمای نمونه‌گیری، بین ۰ و ۱.

خطاها

  • invalid_request400

    فایل نیامده یا فیلدی نامعتبر است.

  • insufficient_credits402

    اعتبار برای رزرو هزینه کافی نیست.

  • model_not_found404

    مدل وجود ندارد یا کلید شما به آن دسترسی ندارد.

  • file_too_large413

    فایل صوتی از ۲۵ مگابایت بزرگ‌تر است.

  • no_routable_target400

    مدل ترجمه‌ی گفتار را فعلاً ارائه نمی‌دهد.

صفحه‌های مرتبط