Runway ৩০ সেপ্টেম্বর ডেভেলপার API-তে Eleven v4 যোগ করেছে। রিলিজ নোট মডেলটির পরিচয় eleven_v4 বলে, স্ক্রিপ্টের সীমা ২,৫০০ অক্ষর নির্ধারণ করে এবং জানায়, ১২ অক্টোবর ২০২৬ প্যাসিফিক সময়ে ক্রেডিটের হার বাড়বে। উৎপাদন কর্মপ্রবাহে স্পিচ জেনারেশন যুক্ত করতে চাওয়া ডেভেলপারদের জন্য কার্যকর প্রশ্ন হলো, বৈধ অনুরোধে কী কী দরকার এবং নথিভুক্ত হার ডলারে কত দাঁড়ায়। এই নির্দেশিকা ৬ অক্টোবর যাচাই করা Runway-এর নথির ভিত্তিতে তৈরি; BIG CHANGE কোনো অর্থপ্রদত্ত API কল করেনি বা অডিওর মূল্যায়ন করেনি।
মূল পরিবর্তন
- কী বদলেছে: Runway এখন তার বিদ্যমান টাস্ক API-র মাধ্যমে Eleven v4-কে টেক্সট-টু-স্পিচ মডেল হিসেবে তালিকাভুক্ত করেছে। স্ক্রিপ্টে নথিভুক্ত অডিও ট্যাগ—যেমন
[laughs],[whispers]এবং[pause], ২,৫০০ অক্ষরের সীমার মধ্যে রাখা যায়। - কেন গুরুত্বপূর্ণ: Runway ডেভেলপার প্রজেক্ট থাকা একটি দল নির্দিষ্ট প্রিসেট ভয়েসে স্পিচের অনুরোধ করতে এবং সম্পন্ন টাস্কের অডিও URL পেতে পারে। ফলে ইন্টিগ্রেশন ও বাজেট পরিকল্পনায় নথিভুক্ত একটি অনুরোধের ধরন এবং তারিখসহ মূল্যতালিকা ব্যবহার করা যায়।
- যা নজরে রাখবেন: Runway বলেছে, ১২ অক্টোবর ২০২৬ প্যাসিফিক সময়ে হার প্রতি ১,০০০ অক্ষরে ২.২ থেকে ৫ ক্রেডিট হবে। বারবার জেনারেশনের খরচ হিসাব করতে হলে বিলের সময় কার্যকর হার ধরতে হবে এবং বাজেট চূড়ান্ত করার আগে বর্তমান মূল্য যাচাই করতে হবে।
প্রজেক্ট ও API কী সেটআপ
Runway-এর সেটআপ নির্দেশিকায় প্রথমে ডেভেলপার পোর্টালে অ্যাকাউন্ট ও প্রজেক্ট তৈরি, তারপর API Keys-এ প্রজেক্ট API কী তৈরির কথা বলা হয়েছে। কী তৈরি বা নিষ্ক্রিয় করতে Admin বা Developer ভূমিকা দরকার। কীটি একবারই সাধারণ পাঠ্যরূপে দেখা যায়, তাই নিরাপদে সংরক্ষণ করা উচিত। SDK ব্যবহার করতে Runway বলেছে RUNWAYML_API_SECRET সেট করতে; SDK নিজে থেকেই এই ভেরিয়েবল পড়ে। গোপন কী সোর্স কোডে রাখবেন না।
API ব্যবহারের আগে প্রজেক্টে ক্রেডিটও থাকতে হবে। Runway-এর হিসাবে প্রাথমিক ন্যূনতম পেমেন্ট $10, প্রতি ক্রেডিট $0.01 প্রতি ক্রেডিট, প্রজেক্টের বিলিং ট্যাব দিয়ে করতে হয়। ক্রেডিট যোগ করতে Admin বা Billing admin ভূমিকা দরকার। এটি ন্যূনতম ক্রেডিট কেনা, একটি স্পিচ অনুরোধের খরচ নয়। সেটআপ পৃষ্ঠায় প্রথম কল বিনামূল্যে—এমন কিছু বলা নেই।
টেক্সট-টু-স্পিচ অনুরোধ পাঠানো
Runway-এর বর্তমান অনুরোধের ধরন Runway Python SDK-তে প্রয়োজন model, prompt_text এবং একটি voice অবজেক্ট, Eleven v4-এর জন্য। নেটওয়ার্কে এর সমতুল্য JSON ক্ষেত্র model, promptText এবং voice, যেখানে voice.type সেট করা হয় runway-preset এবং একটি presetId. Bernard তালিকাভুক্ত প্রিসেট ভয়েসের একটি। SDK service অনুরোধটি পাঠায় /v1/text_to_speech এবং নতুন টাস্কের প্রতিক্রিয়া দেয়। Runway-এর API নির্দেশিকায় host, bearer key এবং X-Runway-Version: 2024-11-06 হেডারের বিবরণ আছে, যা সরাসরি HTTP কলের জন্য ব্যবহৃত হয়।
এটি নথি থেকে তৈরি অনুরোধের নমুনা, আমাদের চালানো API কল নয়:
{
"model": "eleven_v4",
"promptText": "The recording begins now. [pause] Welcome.",
"voice": {
"type": "runway-preset",
"presetId": "Bernard"
}
}Runway-এর ৩০ সেপ্টেম্বরের চেঞ্জলগ এন্ট্রিতে উল্লেখ করে [laughs], [whispers] এবং [pause] সমর্থিত উদাহরণ হিসেবে আছে; এতে বলা হয়েছে Eleven v4, Eleven v3-এর একই Runway প্রিসেট ভয়েস ব্যবহার করে। ট্যাগ স্ক্রিপ্টের অংশ, তাই ঘোষিত ২,৫০০ অক্ষরের সর্বোচ্চ সীমার মধ্যে সেগুলোর জন্য জায়গা রাখতে হবে। SDK-তে ঐচ্ছিক ভয়েস সেটিংস, ভাষা এবং আশপাশের টেক্সট ক্ষেত্রও আছে। স্কিমা থেকে প্রমাণ হয় না যে কোনো সেটিং নির্দিষ্ট উপস্থাপনা নিশ্চিত করে; এই নিবন্ধে ভয়েসের মান বা বিলম্ব নিয়েও দাবি করা হয়নি।
প্রাথমিক প্রতিক্রিয়াটি অডিও বাইট নয়, একটি টাস্ক। Runway-এর আউটপুট নির্দেশিকায় খোঁজ নিতে বলা হয়েছে; GET /v1/tasks/:id সফল টাস্কে একটি output অ্যারে থাকে। API-তে প্রবেশের ২৪–৪৮ ঘণ্টার মধ্যে URL-গুলোর মেয়াদ শেষ হয়, তাই পণ্যে সাময়িক URL ব্যবহার না করে ফলটি নিজের স্টোরেজে ডাউনলোড করা উচিত। সাধারণ আউটপুট উদাহরণটি ভিডিও টাস্কের, যা টাস্কের প্রতিক্রিয়ার ধরন দেখায়; মডেল তালিকায় Eleven v4-এর আউটপুট অডিও হিসেবে দেখানো হয়েছে। আমরা Eleven v4-এর প্রতিক্রিয়া দেখিনি বা অডিও ফাইলের ফরম্যাট যাচাই করিনি।
তারিখ অনুযায়ী মূল্য হিসাব
Runway-এর মূল্য পৃষ্ঠা ও রিলিজ নোটে প্রতি ১,০০০ অক্ষরে ১২ অক্টোবর ২০২৬ প্যাসিফিক সময় পর্যন্ত ২.২ ক্রেডিট, এরপর প্রতি ১,০০০ অক্ষরে ৫ ক্রেডিট, সঙ্গে ন্যূনতম এক ক্রেডিট. প্রকাশিত প্রতি ক্রেডিট $0.01 দরে এই হার যথাক্রমে $0.022 এবং প্রতি ১,০০০ অক্ষরে $0.05, প্রযোজ্য করের আগে। পরের হারটি আগেরটির প্রায় ২.২৭ গুণ।
স্বচ্ছ পরিকল্পনার উদাহরণ: ঠিক ১,০০০ বিলযোগ্য অক্ষরের দশটি আলাদা স্ক্রিপ্টে মোট ১০,০০০ অক্ষর হবে। প্রকাশিত হার দিয়ে গুণ করলে আগের হারে ২২ ক্রেডিট বা $0.22, এবং পরের হারে ৫০ ক্রেডিট বা $0.50. প্রতিটি স্ক্রিপ্ট ২,৫০০ অক্ষরের সীমার মধ্যে এবং প্রতিটি হিসাব করা অনুরোধ এক ক্রেডিটের ন্যূনতমের বেশি। এটি Runway-এর প্রকাশিত হার থেকে করা হিসাব, দেখা কোনো বিল নয়। উদ্ধৃত পৃষ্ঠাগুলো বিলযোগ্য অক্ষরে ট্যাগ কীভাবে গণনা হয় বা প্রতি অনুরোধের ভগ্নাংশমূল্য রাউন্ড করা হয় কি না তা বলে না। তাই উৎপাদন পর্যায়ের হিসাবের জন্য প্রকৃত ব্যবহার-রেকর্ড ও বর্তমান শর্ত দেখা উচিত।
সূত্র ও আরও পড়ুন
Runway-এর ৩০ সেপ্টেম্বরের API চেঞ্জলগ প্রকাশের তারিখ, মডেল ID, ট্যাগের উদাহরণ, স্ক্রিপ্টের সীমা এবং তারিখনির্ভর মূল্য নির্ধারণ করে। সেটআপ নির্দেশিকা প্রজেক্ট, কী ও ক্রেডিটের পূর্বশর্ত—ভূমিকার অনুমতি ও প্রাথমিক $10 পেমেন্টসহ—ব্যাখ্যা করে। মূল্য পৃষ্ঠা ক্রেডিট থেকে ডলারে হিসাব ও Eleven v4-এর তালিকাভুক্ত হার দেয়।
এই Python SDK-এর অনুরোধ স্কিমা এবং এর service implementation ক্ষেত্রের নাম, প্রিসেট ভয়েসের গঠন, endpoint path এবং টাস্ক তৈরির প্রতিক্রিয়া নির্ধারণ করে, যা এই নির্দেশিকার জন্য পর্যালোচনা করা হয়েছে। Runway-এর শুরুর নির্দেশিকা, মডেল তালিকা এবং আউটপুট নির্দেশিকা HTTP সংস্করণ হেডার, অডিও আউটপুটের শ্রেণিবিন্যাস এবং টাস্ক সংগ্রহের আচরণ দেয়। এগুলো সরবরাহকারীর নথি, স্বাধীন কর্মক্ষমতা পরীক্ষা নয়। ৬ অক্টোবর ২০২৬-এ যাচাই করা হয়েছে।
