Fichiers et médias

Deux endpoints utilitaires qui fonctionnent sans conversation : la conversion de fichier en texte transforme un fichier en texte brut (la même conversion qu'AYETO utilise pour les fichiers envoyés dans les bases de connaissances), et la synthèse vocale transforme du texte en fichier MP3. Les deux sont payés avec les crédits personnels de l'utilisateur, ou avec le crédit de l'utilisateur dans une organisation lorsque la requête contient un organization_id.

Organisations et crédits #

Les deux endpoints acceptent un organization_id facultatif. La requête s'exécute alors dans cette organisation, de la même manière qu'une requête de chat : le crédit de l'utilisateur dans l'organisation la paie (le solde partagé de l'organisation ou le budget individuel de l'utilisateur, voir crédits) à la place des crédits personnels. L'utilisateur de la clé doit être administrateur ou membre de l'organisation ; les invités et les utilisateurs extérieurs à celle-ci obtiennent 403. Sans organization_id, la requête est débitée des crédits personnels. Les identifiants des organisations de l'utilisateur sont renvoyés par lister les appartenances aux organisations.

Convertir un fichier en texte #

Envoyez un fichier en base64 ; la réponse contient son texte. Selon le type de fichier, le texte est extrait directement ou lu par un modèle d'IA :

Les autres types de fichiers (archives, vidéo, autres formats audio, présentations) ne sont pas convertis : la requête est refusée avec 422 unsupported file type '<mime type>' indiquant le type sous lequel le fichier a été traité, et rien n'est facturé.

Le type MIME est déterminé, dans cet ordre, à partir du champ mime_type, de l'en-tête d'une data URL dans data, et enfin par détection à partir du contenu du fichier. Envoyez le type explicitement lorsque vous le connaissez, la détection n'est pas fiable pour tous les formats.

L'endpoint n'impose pas de limite de taille propre, mais le fichier entier transite encodé en base64 dans un seul corps JSON et est converti pendant que la requête est ouverte. Les gros PDF numérisés, les images et les enregistrements longs prennent du temps ; gardez des fichiers de taille raisonnable et prévoyez un temps de réponse long.

Facturation #

L'extraction directe du texte (texte, PDF avec couche de texte, Word, Excel) n'utilise aucun modèle d'IA. La vision (images, PDF numérisés) et la reconnaissance vocale (audio) sont facturées au prix des modèles utilisés. Le serveur peut aussi être configuré avec un prix minimum par appel ; lorsqu'un appel coûte moins que ce minimum, la différence est facturée sous forme de frais. Les crédits consommés par un appel sont renvoyés dans credits.

Les résultats de la lecture par vision sont mis en cache pendant 24 heures : convertir à nouveau la même image ou le même PDF numérisé dans ce délai ne rappelle pas le modèle et ne coûte que les frais minimum, s'ils sont définis.

La vérification que l'utilisateur (ou, avec organization_id, l'organisation) dispose de crédits a lieu avant la conversion ; voir crédits. L'appel est débité à l'organisation lorsque organization_id est défini, voir organisations.

Requête #

Réponse #

200 OK avec :

La réponse contient aussi les champs filename, url, name, meta, path, extension, is_chunk, binary et binary_data. Pour cet endpoint, ils sont toujours vides ou à false ; ignorez-les.

Erreurs #

Les erreurs d'authentification, de limite de débit et du serveur sont décrites dans les conventions.

Exemple #

curl -X POST "https://ayeto.ai/api/v3/data-loader/load" \
  -H "uni-api-key: $AYETO_API_KEY" \
  -H "Content-Type: application/json" \
  -d "{\"data\": \"$(base64 -w0 invoice.pdf)\", \"mime_type\": \"application/pdf\"}"

{
  "content": "PDF page: 1\nInvoice 2026-0412\nNorthwind Trading s.r.o.\nTotal due: 12 400 CZK\n\n",
  "size": 76,
  "filename": "",
  "url": "",
  "name": "",
  "meta": "",
  "path": "",
  "extension": "",
  "is_chunk": false,
  "mime_type": "application/pdf",
  "binary": false,
  "binary_data": "",
  "credits": 0.0
}

Synthèse vocale #

Convertit du texte en voix et renvoie un fichier MP3.

Le texte est découpé en phrases (aux sauts de ligne et à . ) et chaque phrase est prononcée séparément ; l'audio de toutes les phrases est assemblé en un seul fichier. Une phrase ne doit pas dépasser 4 096 caractères.

Facturation #

Chaque phrase est facturée selon son nombre de caractères au prix du modèle de synthèse vocale (voir le type tts dans modèles). Une phrase prononcée avec la même voix au cours de la dernière heure est réutilisée et n'est pas facturée à nouveau. La synthèse vocale est payée avec les crédits personnels de l'utilisateur, ou avec le crédit de l'utilisateur dans une organisation lorsque organization_id est défini (voir organisations). Le solde est vérifié avant la génération de chaque phrase.

Requête #

Réponse #

200 OK avec le fichier MP3 comme corps (Content-Type: audio/mpeg) et un en-tête Content-Disposition: attachment contenant le nom du fichier.

Erreurs #

Les erreurs d'authentification, de limite de débit et du serveur sont décrites dans les conventions.

Exemple #

curl -X POST "https://ayeto.ai/api/v3/tts/mp3" \
  -H "uni-api-key: $AYETO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"text": "Your order has shipped. It will arrive on Friday.", "voice": "nova", "filename": "order-update.mp3"}' \
  --output order-update.mp3