Google Chirp 3 is een meertalig model voor automatische spraakherkenning dat gesproken audio omzet in tekst. Google documenteert het als het transcriptiemodel Chirp 3 binnen de Speech-to-Text V2-familie, met de modelidentifier chirp_3. Het doel is het herkennen van opgenomen of gestreamde spraak, met taalherkenning en transcriptiespecifieke functies. Het resultaat is een transcript met de metadata die de gekozen herkenningsmethode ondersteunt, in plaats van gegenereerde spraak of een open antwoord van een assistent.
De maker onderscheidt streamingherkenning, synchrone herkenning voor korte clips en batchherkenning voor langere opnamen. Kies de methode op basis van de bronaudio en het vereiste resultaat. Voor een korte spraaknotitie kan een voltooid tekstantwoord volstaan. Voor een interview of opgenomen gesprek kan een batchresultaat met sprekerinformatie nuttiger zijn. Houd bij live ondertiteling of een interface voor spraakopdrachten tussentijdse tekst gescheiden van het definitieve herkenningsresultaat en bewaar het audio-interval waarop het betrekking heeft.
Bereid audio voor in de codering die de herkenningsimplementatie verwacht. Googles Chirp 3-voorbeelden gebruiken automatisch gedetecteerde decodering voor opgenomen bestanden en expliciete decodering voor een configuratie met ruwe streamingaudio. De bijbehorende V2-decoderreferentie noemt onder meer WAV PCM of gecompandeerde audio, FLAC, MP3, Ogg/WebM Opus en AAC in MP4-, M4A- of MOV-containers als ondersteunde coderingen. Een containernaam vervangt niet de werkelijke codec- en sample-instellingen. Behoud duidelijke spraak en vermijd ernstige clipping of onnodige conversie waarbij hoorbare details verloren gaan.
Chirp 3 kan de dominante taal automatisch herkennen en transcriberen; een reeks verwachte taalvarianten kan de herkenningskeuzes beperken. Taalbeschikbaarheid verschilt per methode en functie. De lijst met transcriptietalen is uitgebreider dan die voor sprekeronderscheiding; herkenning van een taal bewijst dus niet dat alle spreker- of tijdfuncties erop van toepassing zijn. Gebruik de taalvariant die bij de opname past en behoud namen uit taalwisselingen of vaktermen voor beoordeling. Een gedetecteerd taallabel is onderdeel van het resultaat, geen bewijs dat alle ongebruikelijke woorden correct zijn herkend.
Sprekeronderscheiding groepeert spraak op basis van stem in een opname met één kanaal. Google geeft een voorbeeld van batchtranscriptie met sprekerinformatie per woord. Bewaar bij een interview die labels bij de herkende tekst en vergelijk sprekerwisselingen met de opname voordat je echte namen of rollen toekent. Vergelijkbare stemmen, onderbrekingen en overlappende spraak kunnen toewijzing bemoeilijken. Maak de kanaalindeling van de bron en de beoogde sprekercontrole duidelijk, in plaats van een label als onafhankelijk geverifieerde identiteit te behandelen.
Ook tijdinformatie is methodegebonden. Streamingherkenning levert tijdstempels per uiting, terwijl de gids van de maker voor bestandsherkenning optionele woordtijden beschrijft met een mogelijke afweging ten opzichte van transcriptiekwaliteit. Bewaar de metadata die de gekozen methode werkelijk teruggeeft en controleer de uitlijning samen met de formulering. Een ondertitelingsworkflow heeft beide nodig: leesbare herkende tekst en onderbouwing dat een tijdgrens bij het juiste geluid hoort. Google waarschuwt ook dat de teruggegeven confidence-waarde per woord geen werkelijke betrouwbaarheidsscore is; gebruik die daarom niet om te certificeren dat een woord correct is.
Spraakaanpassing levert zinsdelen en eigennamen die waarschijnlijk in de opname voorkomen. De maker documenteert een woordenlijst met maximaal 1.000 zinsdelen en raadt zo weinig mogelijk relevante vermeldingen aan om de herkenning van andere termen niet te verslechteren. Bereid voor een technische presentatie een korte lijst met echte productnamen en afkortingen voor en controleer die vervolgens in het transcript. Een dergelijke weging helpt de herkenning een term mee te nemen; ze bewijst niet dat de term is uitgesproken en vervangt geen controle aan de hand van de audio.
Het model voegt automatisch interpunctie en hoofdletters toe; de gedocumenteerde interface kan die functies uitschakelen. Google beschrijft ook een previewfunctie voor eigen instructies voor transcriptieopmaak, zoals de schrijfwijze van een bepaalde naam of datum. Richt die instructies op de opmaak van de herkende spraak. Een transcript dat een datum normaliseert of een merk met hoofdletters schrijft, moet de gesproken betekenis behouden. Een samenvatting, vertaling of feitelijke analyse is een latere toepassing van het transcript, geen resultaat dat door de herkenning zelf wordt vastgesteld.
De ingebouwde ruisonderdrukking is bedoeld om achtergrondmuziek en omgevingsgeluiden zoals regen of straatlawaai te verminderen. Google stelt expliciet dat menselijke stemmen op de achtergrond niet kunnen worden verwijderd. Behoud dat onderscheid bij het voorbereiden van een opname met overlappende gesprekken. Vergelijk rumoerige en rustige passages met de bron, in plaats van aan te nemen dat een netter ogend transcript bewijst dat het storende geluid is verwijderd. Een bruikbaar resultaat houdt onzekere passages herkenbaar voor correctie.
Bij streamingtaken bepaalt de endpointing-gevoeligheid wanneer een uiting als afgerond wordt beschouwd. De maker beschrijft de instellingen standard, short en supershort voor steeds kortere verwachte spraak. Een snellere instelling kan een spreker afkappen die midden in een gedachte pauzeert. Stem de instelling af op natuurlijk dicteren, een korte zin of een zeer korte opdracht en bewaar de status van het definitieve resultaat bij het transcript. Controleer bij een afgerond bestand namen, hoeveelheden, ontkenningen en sprekergrenzen en bewaar daarna de gekozen methode en bronaudio, zodat het resultaat kan worden gecontroleerd of hergebruikt.
", "aboutText": "Google Chirp 3 is een meertalig model voor automatische spraakherkenning dat gesproken audio omzet in tekst. Google documenteert het als het transcriptiemodel Chirp 3 binnen de Speech-to-Text V2-familie, met de modelidentifier chirp_3. Het doel is het herkennen van opgenomen of gestreamde spraak, met taalherkenning en transcriptiespecifieke functies. Het resultaat is een transcript met de metadata die de gekozen herkenningsmethode ondersteunt, in plaats van gegenereerde spraak of een open antwoord van een assistent.\n\nDe maker onderscheidt streamingherkenning, synchrone herkenning voor korte clips en batchherkenning voor langere opnamen. Kies de methode op basis van de bronaudio en het vereiste resultaat. Voor een korte spraaknotitie kan een voltooid tekstantwoord volstaan. Voor een interview of opgenomen gesprek kan een batchresultaat met sprekerinformatie nuttiger zijn. Houd bij live ondertiteling of een interface voor spraakopdrachten tussentijdse tekst gescheiden van het definitieve herkenningsresultaat en bewaar het audio-interval waarop het betrekking heeft.\n\nBereid audio voor in de codering die de herkenningsimplementatie verwacht. Googles Chirp 3-voorbeelden gebruiken automatisch gedetecteerde decodering voor opgenomen bestanden en expliciete decodering voor een configuratie met ruwe streamingaudio. De bijbehorende V2-decoderreferentie noemt onder meer WAV PCM of gecompandeerde audio, FLAC, MP3, Ogg/WebM Opus en AAC in MP4-, M4A- of MOV-containers als ondersteunde coderingen. Een containernaam vervangt niet de werkelijke codec- en sample-instellingen. Behoud duidelijke spraak en vermijd ernstige clipping of onnodige conversie waarbij hoorbare details verloren gaan.\n\nChirp 3 kan de dominante taal automatisch herkennen en transcriberen; een reeks verwachte taalvarianten kan de herkenningskeuzes beperken. Taalbeschikbaarheid verschilt per methode en functie. De lijst met transcriptietalen is uitgebreider dan die voor sprekeronderscheiding; herkenning van een taal bewijst dus niet dat alle spreker- of tijdfuncties erop van toepassing zijn. Gebruik de taalvariant die bij de opname past en behoud namen uit taalwisselingen of vaktermen voor beoordeling. Een gedetecteerd taallabel is onderdeel van het resultaat, geen bewijs dat alle ongebruikelijke woorden correct zijn herkend.\n\nSprekeronderscheiding groepeert spraak op basis van stem in een opname met één kanaal. Google geeft een voorbeeld van batchtranscriptie met sprekerinformatie per woord. Bewaar bij een interview die labels bij de herkende tekst en vergelijk sprekerwisselingen met de opname voordat je echte namen of rollen toekent. Vergelijkbare stemmen, onderbrekingen en overlappende spraak kunnen toewijzing bemoeilijken. Maak de kanaalindeling van de bron en de beoogde sprekercontrole duidelijk, in plaats van een label als onafhankelijk geverifieerde identiteit te behandelen.\n\nOok tijdinformatie is methodegebonden. Streamingherkenning levert tijdstempels per uiting, terwijl de gids van de maker voor bestandsherkenning optionele woordtijden beschrijft met een mogelijke afweging ten opzichte van transcriptiekwaliteit. Bewaar de metadata die de gekozen methode werkelijk teruggeeft en controleer de uitlijning samen met de formulering. Een ondertitelingsworkflow heeft beide nodig: leesbare herkende tekst en onderbouwing dat een tijdgrens bij het juiste geluid hoort. Google waarschuwt ook dat de teruggegeven confidence-waarde per woord geen werkelijke betrouwbaarheidsscore is; gebruik die daarom niet om te certificeren dat een woord correct is.\n\nSpraakaanpassing levert zinsdelen en eigennamen die waarschijnlijk in de opname voorkomen. De maker documenteert een woordenlijst met maximaal 1.000 zinsdelen en raadt zo weinig mogelijk relevante vermeldingen aan om de herkenning van andere termen niet te verslechteren. Bereid voor een technische presentatie een korte lijst met echte productnamen en afkortingen voor en controleer die vervolgens in het transcript. Een dergelijke weging helpt de herkenning een term mee te nemen; ze bewijst niet dat de term is uitgesproken en vervangt geen controle aan de hand van de audio.\n\nHet model voegt automatisch interpunctie en hoofdletters toe; de gedocumenteerde interface kan die functies uitschakelen. Google beschrijft ook een previewfunctie voor eigen instructies voor transcriptieopmaak, zoals de schrijfwijze van een bepaalde naam of datum. Richt die instructies op de opmaak van de herkende spraak. Een transcript dat een datum normaliseert of een merk met hoofdletters schrijft, moet de gesproken betekenis behouden. Een samenvatting, vertaling of feitelijke analyse is een latere toepassing van het transcript, geen resultaat dat door de herkenning zelf wordt vastgesteld.\n\nDe ingebouwde ruisonderdrukking is bedoeld om achtergrondmuziek en omgevingsgeluiden zoals regen of straatlawaai te verminderen. Google stelt expliciet dat menselijke stemmen op de achtergrond niet kunnen worden verwijderd. Behoud dat onderscheid bij het voorbereiden van een opname met overlappende gesprekken. Vergelijk rumoerige en rustige passages met de bron, in plaats van aan te nemen dat een netter ogend transcript bewijst dat het storende geluid is verwijderd. Een bruikbaar resultaat houdt onzekere passages herkenbaar voor correctie.\n\nBij streamingtaken bepaalt de endpointing-gevoeligheid wanneer een uiting als afgerond wordt beschouwd. De maker beschrijft de instellingen standard, short en supershort voor steeds kortere verwachte spraak. Een snellere instelling kan een spreker afkappen die midden in een gedachte pauzeert. Stem de instelling af op natuurlijk dicteren, een korte zin of een zeer korte opdracht en bewaar de status van het definitieve resultaat bij het transcript. Controleer bij een afgerond bestand namen, hoeveelheden, ontkenningen en sprekergrenzen en bewaar daarna de gekozen methode en bronaudio, zodat het resultaat kan worden gecontroleerd of hergebruikt.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f82823a5f7b4271a43064b123a71f3e516259a43ec9d37cee75c8418a2041140", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl", "methods": [ { "html": "google/chirp-3Google Chirp 3 is een meertalig spraakherkenningsmodel voor streaming, korte opnamen en batchtranscriptie van langere opnamen. Het biedt automatische taalherkenning, interpunctie, woordenschataanpassing en methodegebonden tijd- of sprekermetadata. De ruisonderdrukking vermindert achtergrondgeluid, maar kan geen andere stemmen verwijderen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Google Chirp 3 is een meertalig model voor automatische spraakherkenning dat gesproken audio omzet in tekst. Google documenteert het als het transcriptiemodel Chirp 3 binnen de Speech-to-Text V2-familie, met de modelidentifier chirp_3. Het doel is het herkennen van opgenomen of gestreamde spraak, met taalherkenning en transcriptiespecifieke functies. Het resultaat is een transcript met de metadata die de gekozen herkenningsmethode ondersteunt, in plaats van gegenereerde spraak of een open antwoord van een assistent.
De maker onderscheidt streamingherkenning, synchrone herkenning voor korte clips en batchherkenning voor langere opnamen. Kies de methode op basis van de bronaudio en het vereiste resultaat. Voor een korte spraaknotitie kan een voltooid tekstantwoord volstaan. Voor een interview of opgenomen gesprek kan een batchresultaat met sprekerinformatie nuttiger zijn. Houd bij live ondertiteling of een interface voor spraakopdrachten tussentijdse tekst gescheiden van het definitieve herkenningsresultaat en bewaar het audio-interval waarop het betrekking heeft.
Bereid audio voor in de codering die de herkenningsimplementatie verwacht. Googles Chirp 3-voorbeelden gebruiken automatisch gedetecteerde decodering voor opgenomen bestanden en expliciete decodering voor een configuratie met ruwe streamingaudio. De bijbehorende V2-decoderreferentie noemt onder meer WAV PCM of gecompandeerde audio, FLAC, MP3, Ogg/WebM Opus en AAC in MP4-, M4A- of MOV-containers als ondersteunde coderingen. Een containernaam vervangt niet de werkelijke codec- en sample-instellingen. Behoud duidelijke spraak en vermijd ernstige clipping of onnodige conversie waarbij hoorbare details verloren gaan.
Chirp 3 kan de dominante taal automatisch herkennen en transcriberen; een reeks verwachte taalvarianten kan de herkenningskeuzes beperken. Taalbeschikbaarheid verschilt per methode en functie. De lijst met transcriptietalen is uitgebreider dan die voor sprekeronderscheiding; herkenning van een taal bewijst dus niet dat alle spreker- of tijdfuncties erop van toepassing zijn. Gebruik de taalvariant die bij de opname past en behoud namen uit taalwisselingen of vaktermen voor beoordeling. Een gedetecteerd taallabel is onderdeel van het resultaat, geen bewijs dat alle ongebruikelijke woorden correct zijn herkend.
Sprekeronderscheiding groepeert spraak op basis van stem in een opname met één kanaal. Google geeft een voorbeeld van batchtranscriptie met sprekerinformatie per woord. Bewaar bij een interview die labels bij de herkende tekst en vergelijk sprekerwisselingen met de opname voordat je echte namen of rollen toekent. Vergelijkbare stemmen, onderbrekingen en overlappende spraak kunnen toewijzing bemoeilijken. Maak de kanaalindeling van de bron en de beoogde sprekercontrole duidelijk, in plaats van een label als onafhankelijk geverifieerde identiteit te behandelen.
Ook tijdinformatie is methodegebonden. Streamingherkenning levert tijdstempels per uiting, terwijl de gids van de maker voor bestandsherkenning optionele woordtijden beschrijft met een mogelijke afweging ten opzichte van transcriptiekwaliteit. Bewaar de metadata die de gekozen methode werkelijk teruggeeft en controleer de uitlijning samen met de formulering. Een ondertitelingsworkflow heeft beide nodig: leesbare herkende tekst en onderbouwing dat een tijdgrens bij het juiste geluid hoort. Google waarschuwt ook dat de teruggegeven confidence-waarde per woord geen werkelijke betrouwbaarheidsscore is; gebruik die daarom niet om te certificeren dat een woord correct is.
Spraakaanpassing levert zinsdelen en eigennamen die waarschijnlijk in de opname voorkomen. De maker documenteert een woordenlijst met maximaal 1.000 zinsdelen en raadt zo weinig mogelijk relevante vermeldingen aan om de herkenning van andere termen niet te verslechteren. Bereid voor een technische presentatie een korte lijst met echte productnamen en afkortingen voor en controleer die vervolgens in het transcript. Een dergelijke weging helpt de herkenning een term mee te nemen; ze bewijst niet dat de term is uitgesproken en vervangt geen controle aan de hand van de audio.
Het model voegt automatisch interpunctie en hoofdletters toe; de gedocumenteerde interface kan die functies uitschakelen. Google beschrijft ook een previewfunctie voor eigen instructies voor transcriptieopmaak, zoals de schrijfwijze van een bepaalde naam of datum. Richt die instructies op de opmaak van de herkende spraak. Een transcript dat een datum normaliseert of een merk met hoofdletters schrijft, moet de gesproken betekenis behouden. Een samenvatting, vertaling of feitelijke analyse is een latere toepassing van het transcript, geen resultaat dat door de herkenning zelf wordt vastgesteld.
De ingebouwde ruisonderdrukking is bedoeld om achtergrondmuziek en omgevingsgeluiden zoals regen of straatlawaai te verminderen. Google stelt expliciet dat menselijke stemmen op de achtergrond niet kunnen worden verwijderd. Behoud dat onderscheid bij het voorbereiden van een opname met overlappende gesprekken. Vergelijk rumoerige en rustige passages met de bron, in plaats van aan te nemen dat een netter ogend transcript bewijst dat het storende geluid is verwijderd. Een bruikbaar resultaat houdt onzekere passages herkenbaar voor correctie.
Bij streamingtaken bepaalt de endpointing-gevoeligheid wanneer een uiting als afgerond wordt beschouwd. De maker beschrijft de instellingen standard, short en supershort voor steeds kortere verwachte spraak. Een snellere instelling kan een spreker afkappen die midden in een gedachte pauzeert. Stem de instelling af op natuurlijk dicteren, een korte zin of een zeer korte opdracht en bewaar de status van het definitieve resultaat bij het transcript. Controleer bij een afgerond bestand namen, hoeveelheden, ontkenningen en sprekergrenzen en bewaar daarna de gekozen methode en bronaudio, zodat het resultaat kan worden gecontroleerd of hergebruikt.
POST /v1/audio/transcriptionsaudiotext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/chirp-3 | Standaard— |
Veldinput_audio | Typeobject | VereisteVereist | Waarden en limieten | Standaard— |
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, input_audio |
Parametermaterial_types | Contractaudio |
Parametermaterial_conditions | ContractHet voorbeeld leest uw eigen niet-lege PCM WAV-bestand, codeert alle bestandsbytes als base64 en verstuurt input_audio.format als wav. |
Levenscyclus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · exacte task_id uit een bestaand mediarecord dat u bezit
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Rekeneenheid | Kosten |
|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Rekeneenheid— | Kosten Invoer · Invoertokens — / 1K tokens Uitvoer · Uitvoertokens — / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| Configuratieseconde audio-invoer | Tariefstaffel— | Rekeneenheidper seconde audio-invoer | Kosten Invoer · seconde audio-invoer $0.000533333333334 per seconde audio-invoer |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'google/chirp-3', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\nVolledige oorspronkelijke antwoordbody, status en doorgestuurde headers. Deze handler voegt geen universele JSON-structuur, tekstveld of taakenvelop toe.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar het volledige antwoord en de headers, alle daadwerkelijke uitvoer, de oorspronkelijk geretourneerde identificatoren en alle gebruiksvelden. Herstel de oorspronkelijke bewerking zonder de aanmaakaanvraag opnieuw in te dienen.
Bewaar de daadwerkelijke X-Client-Request-ID en het volledige antwoord. Lees de oorspronkelijke assets die u bezit en hun exacte ondertekende inhouds-URLs; dien een onzekere aanmaak nooit opnieuw in.
| Veld | Type |
|---|---|
Veldtext (when present) | Type |
Veldusage (when present) | Type |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeDe JSON-body of expliciete canonieke model-ID is ongeldig. | Volgende stapBewaar het antwoord en corrigeer het aangegeven verzoekveld. |
Antwoord401 · authentication_error | VoorwaardeDe Ailoot API-sleutel is ongeldig. | Volgende stapGebruik uw geautoriseerde Ailoot API-sleutel. |
Antwoord403 · permission_error | VoorwaardeDe sleutelgroep laat deze methode niet toe. | Volgende stapBewaar de geretourneerde foutdetails. |
Antwoord404 · not_found_error | VoorwaardeDe geselecteerde methode heeft geen toegelaten route. | Volgende stapBewaar de geretourneerde foutdetails. |
Antwoord422 · price_unavailable | VoorwaardeHet geaccepteerde tarief kan de vereiste invoerhoeveelheid of bovengrens niet verkrijgen. | Volgende stapBewaar het antwoord; gebruik de invoerweergave die het geaccepteerde tarief vereist. |
Antwoord503 · | VoorwaardeVereiste opslag, route, methodeprijs of reservering is niet beschikbaar. | Volgende stapBewaar het volledige oorspronkelijke antwoord. Een onzekere reservering geeft geen toestemming om opnieuw in te dienen. |
Antwoord502 · server_error | VoorwaardeHet oorspronkelijke resultaat, gebruik of de afrekening moet worden gecontroleerd. | Volgende stapBewaar de daadwerkelijke verzoek-ID en het oorspronkelijke antwoord. Lees het bestaande record dat u bezit; dien de aanmaak niet opnieuw in. |
Ailoot Ultra google/chirp-3
Gebruik de hierboven getoonde methodepaden.