参考
来源
YouTube、TikTok、你自己的文件和直接链接:支持的网址、各模式的作用以及限制。
更新于
无论来源是什么,你得到的都是同一种文稿对象:文本、带时间的分段,以及由 AI 转录生成时才有的逐词时间。所有来源的限制相同:2 小时和 250 MB。
来源#
| 来源 | 支持的链接 | captions_only | auto / transcribe |
|---|---|---|---|
| YouTube | youtube.com/watch?v=…、youtu.be/…、/shorts/…、/live/… | 创作者字幕或自动字幕,1 个点数 | 付费套餐 |
| TikTok | tiktok.com/@user/video/…、vm.tiktok.com/… 分享链接 | 创作者字幕,1 个点数 | 付费套餐 |
| 你的文件 | 通过 POST /v1/uploads 上传 mp3、wav、m4a、ogg、aac、mp4、webm | 不可用 | 付费套餐 |
| 直接链接 | 任何提供音频或视频文件的公开 https 网址 | 不可用 | 付费套餐 |
使用你的密钥调用 GET /v1/capabilities,会返回适用于你所在套餐的这张表,这样客户端就可以只展示真正可用的选项。
字幕#
- 仅支持公开视频。私密视频、会员专享视频和有年龄限制的视频会失败,并返回
SOURCE_*错误码。 - YouTube 有两种字幕:创作者上传的字幕,以及 YouTube 自动生成的字幕。由
caption_preference决定选哪一种;默认情况下,只要有创作者字幕就使用创作者字幕。 caption_languages用来指定字幕轨道,例如["es", "en"]。POST /v1/language-discoveries会列出某个 YouTube 视频有哪些字幕语言。- 时间按每条字幕给出(
timing_granularity: "segment")。
AI 转录#
- 根据音频内容转录;视频有没有字幕都可以使用。会自动检测语言,也可以在
language中给出提示。 - 返回逐词时间和置信度(
timing_granularity: "word")。 - 耗时大约是媒体时长的四分之一。请使用
?wait=25或 Webhook,而不要频繁轮询。 - 按已开始的分钟数计费,每分钟 2 个点数,最少 1 分钟;可以用
max_credits给任务设置上限。