Formats audio

L’audio que vous envoyez

/v1/transcribe, /v1/translate et /v1/converse reconnaissent le conteneur à partir des premiers octets du fichier : le nom du fichier et son type de contenu n’ont donc pas d’importance.

Conteneur	Codecs	D’où il vient
OGG	Opus	Notes vocales WhatsApp et Telegram, Android
M4A, MP4, 3GP, AAC	AAC	Mémos vocaux de l’iPhone, beaucoup d’enregistreurs Android
MP3	MP3	Extraits de radio, téléchargements
WAV	PCM	Ordinateurs, enregistreurs de studio
WebM	Opus	Navigateurs (`MediaRecorder`)
FLAC	FLAC	Archives

Jusqu’à 25 Mo et 300 secondes par requête. Mono ou stéréo, toute fréquence d’échantillonnage.

Deux façons de l’envoyer

Formulaire multipart
Corps brut

La méthode habituelle. Le fichier va dans un champ nommé file, les options à côté.

curl https://api.namuai-lab.com/v1/transcribe \
  -H "Authorization: Bearer $NAMU_API_KEY" \
  -F file=@note.ogg -F language=ha

Les octets forment tout le corps ; les options vont dans les paramètres de l’URL. Pratique quand l’audio est déjà en mémoire.

curl "https://api.namuai-lab.com/v1/transcribe?language=ha" \
  -H "Authorization: Bearer $NAMU_API_KEY" \
  --data-binary @note.ogg

L’audio que vous recevez

/v1/speech renvoie ce que vous demandez avec format :

`format`	Type de contenu	Détails	Taille pour 10 secondes
`wav` (par défaut)	`audio/wav`	24 kHz, PCM 16 bits, mono	environ 480 Ko
`mp3`	`audio/mpeg`	64 kbit/s, mono	environ 80 Ko
`opus`	`audio/ogg`	Ogg Opus, 48 kHz, 32 kbit/s, mono	environ 40 Ko
`json`	`application/json`	WAV en base64 dans `audio`	environ 640 Ko

/v1/translate (avec include_audio) et /v1/converse renvoient la réponse parlée en WAV base64 dans le JSON.

Pour les personnes qui utilisent des données mobiles, demandez opus : il fait un douzième de la taille du WAV et se lit dans Chrome, Firefox, Android et WhatsApp. Pour Safari sur les anciens iPhone, utilisez mp3.

Enregistrements longs

Une requête accepte jusqu’à 5 minutes d’audio. Pour des enregistrements plus longs, découpez-les en morceaux aux silences et envoyez les morceaux dans l’ordre :

# Découper en morceaux de 4 minutes avec ffmpeg, sans réencoder
ffmpeg -i meeting.m4a -f segment -segment_time 240 -c copy piece-%03d.m4a

Transcrivez ensuite piece-000.m4a, piece-001.m4a, … et assemblez les textes. Une coupure au milieu d’un mot peut faire perdre ce mot ; couper à une pause (par exemple avec le filtre silencedetect de ffmpeg) l’évite.

Synthèse vocale

Construire

L’audio que vous envoyez

Deux façons de l’envoyer

L’audio que vous recevez

Enregistrements longs

​L’audio que vous envoyez

​Deux façons de l’envoyer

​L’audio que vous recevez

​Enregistrements longs

L’audio que vous envoyez

Deux façons de l’envoyer

L’audio que vous recevez

Enregistrements longs