# Медиа и эмбеддинги

Генерация изображений и видео, синтез и распознавание речи, голосовые сессии Realtime и векторные эмбеддинги в CoreInfra AI Hub.

Помимо [генеративных текстовых моделей](https://coreinfra.ru/docs/generative.md) и [моделей принятия решений](https://coreinfra.ru/docs/decisions.md), 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](https://coreinfra.ru/docs/use/openai.md)** ([генерация](https://coreinfra.ru/docs/reference/openai/images-generations.md) и [редактирование](https://coreinfra.ru/docs/reference/openai/images-edits.md)) подходит, если ваш код уже использует OpenAI SDK (`client.images`) или нужна токенная тарификация моделей GPT Image, Smolenka и `glm-image`.
* **[OpenRouter-совместимый API](https://coreinfra.ru/docs/use/openrouter.md)** ([`POST /openrouter/api/v1/images`](https://coreinfra.ru/docs/reference/openrouter/images.md)) 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»](https://coreinfra.ru/docs/catalog.md#images) каталога, правила расчета — на странице [«Стоимость генерации изображений»](https://coreinfra.ru/docs/billing/images.md).

## Видео

Генерация видео выполняется асинхронно через очередь заданий по двум API:

* **[OpenRouter-совместимый API](https://coreinfra.ru/docs/use/openrouter.md)** ([`POST /openrouter/api/v1/videos`](https://coreinfra.ru/docs/reference/openrouter/videos.md)) 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](https://coreinfra.ru/docs/use/fal.md)** ([`/fal/api`](https://coreinfra.ru/docs/reference/fal.md)) предназначен для генерации видео моделями **FLUX 3 Max** (по тексту и по первому/последнему кадру) через Python SDK `fal-client` или HTTP-очередь.

От чего зависит цена ролика и как работают резерв и списание — на странице [«Стоимость видео»](https://coreinfra.ru/docs/video-billing.md). Карточки моделей приведены в разделе [«Генерация видео»](https://coreinfra.ru/docs/catalog.md#videos) каталога.

## Голос и речь

Для работы со звуком и голосом на [OpenAI-совместимом API](https://coreinfra.ru/docs/use/openai.md) 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](https://coreinfra.ru/docs/reference/openai/realtime.md), [«Стоимости моделей Realtime»](https://coreinfra.ru/docs/billing/realtime.md) и разделе [«Голосовые модели (Realtime)»](https://coreinfra.ru/docs/catalog.md#realtime) каталога.
* **Распознавание речи (транскрибация)** (`wss://hub.coreinfra.ai/openai/api/v1/realtime?intent=transcription`) — потоковая расшифровка входящего аудио моделями `gpt-4o-transcribe`, `gpt-4o-mini-transcribe`, `gpt-transcribe` и `whisper-1` (в отдельной сессии распознавания речи или внутри голосовой сессии Realtime). Правила оплаты — на странице [«Стоимость синтеза и распознавания речи»](https://coreinfra.ru/docs/billing/speech.md#recognition), список моделей — в разделе [«Распознавание речи»](https://coreinfra.ru/docs/catalog.md#speech-recognition) каталога.
* **Синтез речи (TTS)** (`POST /openai/api/v1/audio/speech`) — озвучивание текста моделью [`gpt-4o-mini-tts`](https://coreinfra.ru/docs/catalog/gpt-4o-mini-tts.md) с получением аудиопотока (MP3 и др.) или SSE-событий. Подробности — в [справочнике синтеза речи](https://coreinfra.ru/docs/reference/openai/audio-speech.md) и на странице [«Стоимость синтеза и распознавания речи»](https://coreinfra.ru/docs/billing/speech.md#synthesis).

## 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/embeddings`](https://coreinfra.ru/docs/reference/openai/embeddings.md) на [OpenAI-совместимом API](https://coreinfra.ru/docs/use/openai.md).
* **Доступные модели:** [`text-embedding-3-small`](https://coreinfra.ru/docs/catalog/text-embedding-3-small.md), [`text-embedding-3-large`](https://coreinfra.ru/docs/catalog/text-embedding-3-large.md) и [`text-embedding-ada-002`](https://coreinfra.ru/docs/catalog/text-embedding-ada-002.md) (см. раздел [«Эмбеддинги»](https://coreinfra.ru/docs/catalog.md#embeddings) в каталоге).
* **Лимиты и оплата:** до `2048` элементов и `300 000` токенов в одном запросе; правила расчета описаны на странице [«Стоимость эмбеддингов»](https://coreinfra.ru/docs/billing/embeddings.md).
