工具概览
Sarvam AI API Tools Suite 是一组用于调用 Sarvam AI API 的 Python 命令行工具。该套件目前包含五个工具:带说话人分离的语音转文字转录、自动重命名图片并生成元数据目录、印度语系语言与英语之间的文本翻译、文本转语音的语音合成,以及文档 OCR 与解析。每个工具都可独立运行,通过礼貌的请求冷却和退避处理 API 速率限制,并共用同一份 API 密钥配置。套件还包含一个交互式 Gradio 网页前端(app.py),可直接在浏览器中交互测试语音转文字、翻译、文本转语音和文档 OCR 工具。
这些工具专为批处理设计,具有可恢复缓存、MD5 去重和速率限制保护等特性。例如,语音转录工具支持多种输出模式、说话人分离,以及音频裁剪和静音移除等成本优化选项。图片重命名工具使用 Sarvam AI 的文档智能 API 分析场景内容并生成描述性文件名。翻译工具支持 23 种语言,TTS 工具提供 44 个可选的说话人角色。文档 OCR 工具把 PDF 和图片数字化为 Markdown、HTML 或文本,并支持表格解析。
安装需要 Python 3.10 或更高版本,以及有效的 Sarvam AI API 订阅密钥。API 密钥可通过命令行参数、环境变量或 .env 文件提供。该套件开源,可在 GitHub 上获取。
定价
价格与限制可能变化,请以官网为准,并确认币种、付款周期、最低席位数和用量上限。
应用场景
- 团队用语音转录工具转录带说话人分离的音频文件,并生成格式化的转录稿。
- 用户用图片重命名工具递归扫描目录,并根据场景内容生成描述性文件名。
- 译者用翻译工具在 23 种语言之间批量翻译文本,并自动检测源语言。
- 内容创作者用 TTS 工具合成语音,可选择说话人角色并使用发音词典。
- 组织用文档 OCR 工具把 PDF 和图片数字化为 Markdown、HTML 或文本,并解析表格。
- 开发者用 Gradio 网页前端在浏览器中交互测试语音转文字、翻译、文本转语音和文档 OCR 工具。
功能特性
将音频转写为文字
在转写时区分说话人
使用 AI 处理文档
通过计算机视觉分析图片
自动完成 SEO 编目
提供模块化 Python 命令行工具
用户评论
还没有评论,来分享你的使用体验吧