transcribe में phaseo.transcriptionModel(modelId) पास करें, और टेक्स्ट से स्पीच के लिए generateSpeech में phaseo.speechModel(modelId) पास करें। प्रदाता ऑडियो को multipart form के रूप में /v1/audio/transcriptions पर अपलोड करता है और स्पीच अनुरोध /v1/audio/speech पर भेजता है।
audio एक Buffer, Uint8Array, ArrayBuffer, base64 string या URL लेता है। AI SDK 7 पुराने experimental_transcribe और experimental_generateSpeech नाम अब भी aliases के रूप में export करता है।
लंबे या विफल हो रहे ऑडियो को संभालें
- समर्थित इनपुट और आउटपुट फ़ॉर्मैट मॉडल पर निर्भर करते हैं।
- लंबी फ़ाइलों के लिए timeouts बढ़ाएँ, और अपलोड को मॉडल की आकार सीमा के भीतर रखें (ज़्यादातर मॉडल के लिए 25 MB)।
- अस्थायी
429और5xxप्रतिक्रियाओं पर backoff के साथ रीट्राई करें।