Audio, Gambar, dan Dokumen

Gunakan API Rnevio untuk mengubah rekaman menjadi teks, menghasilkan suara, membaca gambar, dan memahami PDF. Semua kemampuan mengikuti model yang dipilih. Voice menggunakan Whisper Turbo untuk transkripsi dan Supertonic 3 untuk sintesis suara pada infrastruktur Rnevio.

Base URL dan autentikasi

Gunakan base URL yang sama dengan integrasi Rnevio Anda:

https://router.rnevio.com/v1

Sertakan Authorization: Bearer $RNEVIO_API_KEY. Header X-API-Key juga didukung. Simpan key di backend aplikasi atau secret store. Jangan menaruh key privat dalam repositori publik.

Audio ke teks

Kirim rekaman melalui multipart ke POST /v1/audio/transcriptions dengan model rnevio-transcribe. Hasil tersedia dalam JSON atau teks biasa. Pilih contoh bahasa pemrograman berikut.

curl https://router.rnevio.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $RNEVIO_API_KEY" \
  -F model=rnevio-transcribe \
  -F file=@rekaman.webm \
  -F language=id \
  -F response_format=json

import os
import requests

with open("rekaman.webm", "rb") as audio:
    result = requests.post(
        "https://router.rnevio.com/v1/audio/transcriptions",
        headers={"Authorization": f"Bearer {os.environ['RNEVIO_API_KEY']}"},
        files={"file": audio},
        data={"model": "rnevio-transcribe", "language": "id"},
        timeout=180,
    )
result.raise_for_status()
print(result.json()["text"])

import { readFile } from "node:fs/promises";

const form = new FormData();
form.set("model", "rnevio-transcribe");
form.set("language", "id");
form.set("file", new Blob([await readFile("rekaman.webm")]), "rekaman.webm");

const response = await fetch("https://router.rnevio.com/v1/audio/transcriptions", {
  method: "POST",
  headers: { Authorization: `Bearer ${process.env.RNEVIO_API_KEY}` },
  body: form,
});
if (!response.ok) throw new Error(`HTTP ${response.status}`);
console.log((await response.json()).text);

Contoh respons: {"text":"Hasil transkripsi rekaman Anda."}. Untuk rekaman lebih panjang, bagi menjadi beberapa bagian dengan durasi maksimal 120 detik.

Dictate di Playground

Di Playground Rnevio, tekan tombol mikrofon di sebelah kotak pesan, izinkan mikrofon pada browser, lalu mulai bicara. Tekan Selesai untuk mentranskripsi. Hasilnya masuk ke draf dan dapat diedit sebelum Anda mengirimnya ke model AI. Dictate tidak mengirim pesan percakapan secara otomatis.

Bahasa dideteksi otomatis. Memilih bahasa secara manual dapat mengurangi waktu transkripsi. Gunakan panah di sebelah mikrofon untuk memilih bahasa secara manual. Batas rekaman dari browser adalah 1 menit 50 detik dan 3 MiB. Perekaman berhenti saat batas durasi tercapai; tombol Batalkan membuang rekaman tanpa mengirim audio yang masih direkam. Mikrofon ditutup setelah perekaman selesai atau dibatalkan.

Dictate memerlukan sesi masuk, API key aktif, izin mikrofon, dan akses ke model rnevio-transcribe. Transkripsi mengikuti batas akun dan tarif yang berlaku; pengiriman pesan ke model chat menggunakan pemakaian tersendiri. Audio dikirim ke layanan transkripsi saat Anda menyelesaikan rekaman, bukan disimpan dalam riwayat percakapan Playground. Ketentuan retensi penyedia pada bagian Privasi tetap berlaku. Pembatalan setelah pengiriman dimulai tidak menjamin pemrosesan penyedia berhenti.

Fitur ini tersedia di situs Rnevio. Tombol Dictate bawaan Codex atau Claude mengikuti autentikasi dan kemampuan masing-masing aplikasi; mengganti base URL model chat tidak otomatis mengalihkan transkripsi aplikasi tersebut ke Rnevio.

Teks ke suara

Gunakan POST /v1/audio/speech dan model rnevio-tts untuk menghasilkan MP3. Pilih bahasa melalui voice; defaultnya bahasa Indonesia. Input maksimal 4.000 karakter.

curl https://router.rnevio.com/v1/audio/speech \
  -H "Authorization: Bearer $RNEVIO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "rnevio-tts",
    "input": "Halo, selamat datang di Rnevio.",
    "voice": "id",
    "response_format": "mp3"
  }' \
  --output suara.mp3

Untuk kompatibilitas, voice: "id" memilih bahasa Indonesia dengan suara F1. Untuk memilih karakter, gunakan voice: "F1" hingga "F5" atau "M1" hingga "M5", lalu isi language, misalnya {"voice":"M1","language":"id"}. Default bahasa adalah id. Kecepatan selain 1, instruksi suara, voice cloning, dan streaming audio belum tersedia.

Menghubungkan suara ke aplikasi

Panggil endpoint suara dari backend aplikasi menggunakan API key Rnevio. Respons sukses berisi data MP3, bukan JSON. Periksa status HTTP dan Content-Type sebelum menyimpan atau memutar hasilnya.

import { writeFile } from "node:fs/promises";

const response = await fetch("https://router.rnevio.com/v1/audio/speech", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.RNEVIO_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "rnevio-tts",
    input: "Halo, selamat datang di Rnevio.",
    voice: "id",
    response_format: "mp3",
  }),
});
if (!response.ok) throw new Error(`Sintesis suara gagal: HTTP ${response.status}`);
if (!response.headers.get("content-type")?.startsWith("audio/")) {
  throw new Error("Layanan tidak mengembalikan audio");
}
await writeFile("suara.mp3", Buffer.from(await response.arrayBuffer()));

Untuk memeriksa model yang tersedia bagi key Anda, gunakan GET /v1/models; pilihan TTS standar tersedia melalui GET /v1/audio/voices. Respons daftar suara mencantumkan data untuk bahasa dan speakers untuk karakter suara. Bahasa dan karakter suara dapat dipilih terpisah.

Gambar dan OCR

Ekstrak tulisan, kenali objek, atau tanyakan isi gambar melalui POST /v1/responses. Pilih model dengan capabilities.vision=true pada katalog. Contoh ini diuji dengan gpt-6.1-sol.

{
  "model": "gpt-6.1-sol",
  "max_output_tokens": 600,
  "reasoning": {"effort": "low"},
  "input": [{
    "role": "user",
    "content": [
      {"type": "input_text", "text": "Baca teks dan jelaskan isi gambar ini."},
      {"type": "input_image", "image_url": "data:image/png;base64,BASE64_GAMBAR"}
    ]
  }]
}

Ganti BASE64_GAMBAR dengan isi PNG atau JPEG dalam base64. Rilis ini mendukung membaca dan menganalisis gambar. Pembuatan dan pengeditan gambar belum diaktifkan.

Dokumen PDF

Kirim PDF melalui POST /v1/responses untuk membaca, mengambil informasi, atau membuat ringkasan. Contoh ini diuji dengan gpt-6.1-sol.

{
  "model": "gpt-6.1-sol",
  "max_output_tokens": 1000,
  "reasoning": {"effort": "low"},
  "input": [{
    "role": "user",
    "content": [
      {"type": "input_text", "text": "Ringkas dokumen ini dalam bahasa Indonesia."},
      {"type": "input_file", "filename": "dokumen.pdf",
       "file_data": "data:application/pdf;base64,BASE64_PDF"}
    ]
  }]
}

Ganti BASE64_PDF dengan isi file dalam base64. Contoh ini mengirim dokumen bersama permintaan, tanpa membuat file tersimpan melalui Files API. Batas konteks dan keluaran mengikuti model.

Streaming, tools, dan JSON

Ketiga kemampuan berikut telah diuji melalui API publik dengan gpt-6.1-sol:

• Streaming SSE: kirim "stream": true pada Chat Completions untuk menerima keluaran bertahap.
• Function tools: definisikan fungsi melalui tools di Responses. Aplikasi menjalankan fungsi lalu mengirim hasilnya kembali.
• JSON Schema: gunakan text.format.type = "json_schema" di Responses untuk keluaran terstruktur.

Lihat Chat Completions dan Responses serta integrasi tools AI coding.

Pilihan bahasa

Supertonic 3 mendukung 31 bahasa berikut. Sampel Indonesia dan Inggris telah diuji; dukungan model tidak berarti seluruh pelafalan di semua bahasa sudah diuji. Cari bahasa, lalu tekan pilihan untuk menyalin kode voice.

Bahasa tidak ditemukan. Coba nama bahasa atau kode yang lain.

Daftar bahasa juga tersedia melalui GET /v1/audio/voices dengan API key. Transkripsi pada backend baru telah diuji dengan sampel Indonesia dan Inggris, termasuk deteksi otomatis untuk Indonesia. Pengujian TTS tidak menjamin ketepatan pelafalan setiap kata.

Batas dan biaya

Pada rilis ini, kedua model voice memakai kebijakan komponen belum bertarif sebesar US$0. Pemeriksaan akun, batas key, kuota layanan, dan pencatatan pemakaian tetap berlaku. Untuk gambar dan PDF, komponen teks mengikuti tarif model. Lihat kredit dan pemakaian.

Inferensi voice dibatasi satu permintaan bersamaan. Jika layanan sedang memproses rekaman lain, API mengembalikan 429 dan Retry-After. Pada server CPU, rekaman panjang dan deteksi bahasa otomatis membutuhkan waktu lebih lama.

Voice memakai unggahan dan sintesis HTTP. Percakapan Realtime/WebSocket dua arah, diarization, SRT/VTT, voice cloning, pembuatan gambar/video/musik, dan embeddings tidak dinyatakan tersedia dalam rilis ini.

Privasi

Audio dan teks voice diproses oleh Whisper Turbo dan Supertonic 3 pada infrastruktur Rnevio. Permintaan voice tidak menggunakan layanan transkripsi atau TTS eksternal. Layanan inferensi memproses rekaman dalam memori dan tidak menulis audio permintaan ke disk. Kebijakan log, infrastruktur, serta retensi layanan lain tetap berlaku; ini bukan klaim zero retention untuk seluruh sistem.

Penanganan error

Endpoint audio mendukung preflight CORS dengan Bearer key. Pembatalan koneksi tidak membuktikan pemrosesan sudah berhenti. Lihat kode error untuk bantuan lebih lanjut.