রেফারেন্স

উৎস

YouTube, TikTok, আপনার ফাইল ও সরাসরি লিংক: গৃহীত URL, প্রতিটি মোড কী করে, এবং সীমা।

আপডেট হয়েছে ১ অক্টোবর, ২০২৬

উৎস যাই হোক, একই ট্রান্সক্রিপ্ট অবজেক্ট পাবেন: লেখা, সময়সহ অংশ, এবং AI ট্রান্সক্রিপশনে তৈরি হলে শব্দ অনুযায়ী সময়। সব উৎসের সীমা: 2 ঘণ্টা ও 250 MB।

উৎস#

উৎস	গৃহীত লিংক	captions_only	auto / transcribe
YouTube	`youtube.com/watch?v=…`, `youtu.be/…`, `/shorts/…`, `/live/…`	নির্মাতার বা স্বয়ংক্রিয় ক্যাপশন, 1 ক্রেডিট	পেইড প্ল্যান
TikTok	`tiktok.com/@user/video/…`, `vm.tiktok.com/…` শেয়ার লিংক	নির্মাতার ক্যাপশন, 1 ক্রেডিট	পেইড প্ল্যান
আপনার ফাইল	mp3, wav, m4a, ogg, aac, mp4, webm, `POST /v1/uploads` এর মাধ্যমে	পাওয়া যায় না	পেইড প্ল্যান
সরাসরি লিংক	অডিও বা ভিডিও ফাইল পরিবেশন করে এমন যেকোনো পাবলিক https URL	পাওয়া যায় না	পেইড প্ল্যান

আপনার কী দিয়ে GET /v1/capabilities এই টেবিলটি আপনার প্ল্যানের জন্য ফেরত দেয়, তাই একটি ক্লায়েন্ট শুধু যা কাজ করবে তা দেখাতে পারে।

শুধু পাবলিক ভিডিও। প্রাইভেট, শুধু সদস্যদের জন্য এবং বয়সসীমাবদ্ধ ভিডিও SOURCE_* কোড দিয়ে ব্যর্থ হয়।
YouTube এর দুই ধরনের ক্যাপশন আছে: নির্মাতার আপলোড করা ক্যাপশন এবং YouTube এর স্বয়ংক্রিয় ক্যাপশন। caption_preference কোনটি নেওয়া হবে তা বাছাই করে; ডিফল্টে নির্মাতারটি থাকলে সেটিই নেওয়া হয়।
caption_languages নির্দিষ্ট ট্র্যাক চায়, যেমন ["es", "en"]। POST /v1/language-discoveries দেখায় একটি YouTube ভিডিওতে কী আছে।
সময় প্রতিটি ক্যাপশন কিউ অনুযায়ী (timing_granularity: "segment")।

অডিও শোনে; ক্যাপশন থাকুক বা না থাকুক কাজ করে। ভাষা শনাক্ত করে, অথবা language এ একটি ইঙ্গিত নেয়।
শব্দ অনুযায়ী সময় ও নিশ্চয়তার মান ফেরত দেয় (timing_granularity: "word")।
মিডিয়ার দৈর্ঘ্যের প্রায় চার ভাগের একভাগ সময় নেয়। ঘন ঘন পোলিংয়ের বদলে ?wait=25 বা একটি ওয়েবহুক ব্যবহার করুন।
শুরু হওয়া প্রতি মিনিটে 2 ক্রেডিট, ন্যূনতম 1 মিনিট; max_credits দিয়ে একটি কাজের খরচের সীমা দিন।