मुख्य सामग्री पर जाएं
स्पीच से टेक्स्ट के लिए 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 429 और 5xx प्रतिक्रियाओं पर backoff के साथ रीट्राई करें।
अंतिम संशोधन 5 नवंबर 2026