Медиа и эмбеддинги
Помимо генеративных текстовых моделей и моделей принятия решений, в хабе доступны специализированные модели для создания и редактирования изображений, генерации видео, голосового общения в реальном времени, синтеза и распознавания речи, а также построения векторных представлений (эмбеддингов). Все они вызываются по тому же ключу хаба sk-ci2-... и оплачиваются с общего рублевого баланса.
Изображения
Выбирайте API под используемый SDK и вид моделей:
- OpenAI-совместимый API (генерация и редактирование) подходит, если ваш код уже использует OpenAI SDK (
client.images) или нужна токенная тарификация моделей GPT Image, Smolenka иglm-image. - OpenRouter-совместимый API (
POST /openrouter/api/v1/images) подходит для генерации и редактирования по референсным изображениям моделями разных провайдеров моделей (Seedream, Nano Banana, FLUX.3 Image, Qwen Image, Recraft, Krea) с поштучной оплатой за картинку.
Полный список моделей приведен в разделе «Генерация изображений» каталога, правила расчета — на странице «Стоимость генерации изображений».
Видео
Генерация видео выполняется асинхронно через очередь заданий по двум API:
- OpenRouter-совместимый API (
POST /openrouter/api/v1/videos) объединяет видеомодели нескольких провайдеров моделей (Veo, Gemini Omni, Kling, Seedance, Gen-4.5, Hailuo, Wan, Grok Imagine Video) в едином формате запросов. - fal-совместимый API (
/fal/api) предназначен для генерации видео моделями FLUX 3 Max (по тексту и по первому/последнему кадру) через Python SDKfal-clientили HTTP-очередь.
От чего зависит цена ролика и как работают резерв и списание — на странице «Стоимость видео». Карточки моделей приведены в разделе «Генерация видео» каталога.
Голос и речь
Для работы со звуком и голосом на OpenAI-совместимом API доступны три вида операций:
- Голосовые сессии Realtime (
wss://hub.coreinfra.ai/openai/api/v1/realtime) — двусторонний обмен аудио, текстом и изображениями с моделями семейства GPT Realtime по WebSocket с низкой задержкой. Подробности — в справочнике Realtime, «Стоимости моделей Realtime» и разделе «Голосовые модели (Realtime)» каталога. - Распознавание речи (транскрибация) (
wss://hub.coreinfra.ai/openai/api/v1/realtime?intent=transcription) — потоковая расшифровка входящего аудио моделямиgpt-4o-transcribe,gpt-4o-mini-transcribe,gpt-transcribeиwhisper-1(в отдельной сессии распознавания речи или внутри голосовой сессии Realtime). Правила оплаты — на странице «Стоимость синтеза и распознавания речи», список моделей — в разделе «Распознавание речи» каталога. - Синтез речи (TTS) (
POST /openai/api/v1/audio/speech) — озвучивание текста модельюgpt-4o-mini-ttsс получением аудиопотока (MP3 и др.) или SSE-событий. Подробности — в справочнике синтеза речи и на странице «Стоимость синтеза и распознавания речи».
Эмбеддинги
Модели эмбеддингов преобразуют строки или массивы токенов в числовые векторы фиксированной размерности для семантического поиска, RAG, кластеризации и дедупликации:
- API метод:
POST /openai/api/v1/embeddingsна OpenAI-совместимом API. - Доступные модели:
text-embedding-3-small,text-embedding-3-largeиtext-embedding-ada-002(см. раздел «Эмбеддинги» в каталоге). - Лимиты и оплата: до
2048элементов и300 000токенов в одном запросе; правила расчета описаны на странице «Стоимость эмбеддингов».
