Картинки, ролики и речь

Медиа в API моделей принимается в формах OpenAI SDK на том же адресе https://api.samreshuuu.ru/v1 и с тем же ключом. Модели каждого вида стоят в GET /v1/models со своими architecture.output_modalities и своей формой pricing. Вызов оплачивается с баланса: до работы резервируется цена или верхняя оценка, после ответа списывается то, что получено. Цена каждого вида: цена поставщика плюс наши 20%, в pricing она уже с ними.

Картинки

POST /v1/images/generations рисует картинку, POST /v1/images/edits рисует по входным картинкам, в форме Images API OpenAI: client.images.generate(...) и client.images.edit(...) из OpenAI SDK работают со сменой одного базового адреса. Модели картинок стоят в GET /v1/models с architecture.output_modalities: ["image"]; их pricing: рубли за картинку по разрешению (per_image) или за мегапиксель результата (per_megapixel), отдельно для генерации и для правки. Картинка стоит столько, сколько за неё берёт поставщик, плюс наши 20%.

ПолеЧто значит
model, promptобязательны
nот 1 до 4 картинок; каждая резервируется по своей цене до рисования и списывается, только если пришла
sizeШИРИНАxВЫСОТА или auto (у правки кадр первой входной картинки, иначе 1024x1024)
seedзерно первой картинки; у следующих оно растёт на единицу
resolution, output_formatсвои параметры модели, перечислены в controls у GET /v1/models
image, image[]входные картинки правки файлами multipart; в JSON: images: [{"image_url": "data:image/png;base64,…"}]

Ответ: {"created", "data": [{"b64_json", "seed"}], "output_format", "usage": {"images", "cost", "cost_currency"}}. Картинки не хранятся, поэтому response_format: "url" отклоняется; внешний адрес в image_url тоже (пришлите файл). mask, style, stream и параметр, которого у модели нет, отклоняются с 400, а не пропускаются.

Ролики

Ролик рендерится минуты, поэтому вызов асинхронный, в форме Videos API OpenAI: POST /v1/videos сразу отвечает объектом ролика со status: "queued", GET /v1/videos/{id} отвечает, где он сейчас (queued, in_progress, completed, failed), GET /v1/videos/{id}/content отдаёт готовый MP4. В OpenAI SDK это client.videos.create(...), client.videos.retrieve(id) и client.videos.download_content(id). Опрашивайте раз в несколько секунд: частый опрос получает тот же ответ. Модели роликов стоят в GET /v1/models с architecture.output_modalities: ["video"]; их pricing.generation: рубли за секунду (per_second) или за ролик (per_video) по ступени, ступень называют параметры из tier_controls, короче min_seconds не считается.

ПолеЧто значит
model, promptобязательны
seconds или durationдлина ролика в секундах из списка модели
resolution, quality, aspect_ratioсвои параметры модели, перечислены в controls у GET /v1/models
generate_audiotrue или false для модели со звуком
frame_imagesключевые кадры: [{"image_url": {"url": "data:image/png;base64,…"}, "frame_type": "first_frame"}], второй с last_frame; сколько кадров берёт модель, называет max_frame_images
input_referenceпервый кадр файлом multipart (как в OpenAI SDK) или строкой data: в JSON

Ролик резервируется по своей цене до рендера: цена известна заранее по длине и ступени. Списывается она, когда ролик готов, и тогда же появляется usage.cost; ролик, который не получился, не стоит ничего. Готовый файл отдаётся до expires_at из объекта ролика, потом GET /v1/videos/{id}/content отвечает 410 video_expired. Ролик у нас не хранится: мы передаём файл с площадки поставщика, а он удаляет его в тот же срок. Промпт и кадры тоже не хранятся. Внешний адрес картинки не принимается (пришлите data: или файл), size, input_references (ролик по референсу), seed, callback_url и n больше 1 отклоняются с 400. Липсинк и ролик персонажа через этот API не продаются.

Расшифровка речи

POST /v1/audio/transcriptions переводит запись в текст, в форме audio transcriptions OpenAI: client.audio.transcriptions.create(...) из OpenAI SDK работает со сменой одного базового адреса. Модели речи стоят в GET /v1/models с architecture.input_modalities: ["audio"] и output_modalities: ["transcription"]; их pricing.transcription.per_minute: рубли за минуту записи, max_file_bytes: самый большой файл, который модель примет; запись длиннее режьте сами. Минута стоит столько, сколько за неё берёт поставщик, плюс наши 20%.

Запрос идёт формой multipart. Формат записи поставщик определяет по расширению имени файла (meeting.mp3, call.ogg), поэтому имя с расширением обязательно. Если модель речи недоступна, на время сбоя запись расшифровывает заменяющая модель, которую назначает каталог; поле model ответа называет ту, что расшифровала, и списание идёт по её цене. На пустой или неуверенный ответ замена не включается. Вызов занимает один запрос в минуте ключа, а токены минуты он не тратит.

bash
curl https://api.samreshuuu.ru/v1/audio/transcriptions \ -H "Authorization: Bearer $SAMRESHUUU_API_KEY" \ -F model="openai/whisper-large-v3-turbo" \ -F file="@meeting.mp3" \ -F language="ru"
python
import os from openai import OpenAI client = OpenAI(api_key=os.environ["SAMRESHUUU_API_KEY"], base_url="https://api.samreshuuu.ru/v1") with open("meeting.mp3", "rb") as audio: transcript = client.audio.transcriptions.create( model="openai/whisper-large-v3-turbo", file=audio, language="ru", ) print(transcript.text)
ПолеЧто значит
file, modelобязательны; запрос идёт формой multipart, файл не больше max_file_bytes модели
languageязык записи кодом ISO-639-1 (ru, en); без него модель определяет язык сама
promptподсказка: имена, термины, стиль предыдущего отрывка
response_formatjson (по умолчанию), text или verbose_json
timestamp_granularities[]word и segment, только вместе с verbose_json

Ответ json: {"id", "model", "text", "usage": {"type": "duration", "seconds", "cost", "cost_currency": "RUB"}}. verbose_json добавляет task, language, duration, segments: [{"id", "start", "end", "text"}] и, если просили word, words: [{"word", "start", "end"}]. text отдаёт голый текст.

До расшифровки на балансе резервируется верхняя оценка по размеру файла: самая низкая разумная скорость записи (6 кбит/с) даёт самую длинную запись, которая может уместиться в файл, по цене самой дорогой модели, к которой может уйти вызов, включая её замену на время сбоя. После ответа списываются услышанные секунды по цене минуты модели, которая ответила, остаток резерва возвращается. Запись и текст не хранятся. stream: true, temperature, chunking_strategy, include[], known_speaker_names[] и known_speaker_references[], а также форматы srt, vtt и diarized_json отклоняются с 400, а не пропускаются.

Эмбеддинги

POST /v1/embeddings переводит текст в векторы, в форме embeddings OpenAI: client.embeddings.create(...) из OpenAI SDK работает со сменой одного базового адреса. Модели эмбеддингов стоят в GET /v1/models с architecture.output_modalities: ["embeddings"] и отдельным списком в GET /v1/embeddings/models (без ключа, объекты моделей OpenRouter). У каждой есть context_length, dimensions (длина вектора модели) и, у моделей, которые можно укоротить, min_dimensions; pricing: {"currency": "RUB", "unit_tokens": 1000000, "prompt", "completion": "0"}, рубли за миллион токенов входа. Токен стоит столько, сколько за него берёт поставщик, плюс наши 20%; сегодняшнюю цену называет /v1/models.

bash
curl https://api.samreshuuu.ru/v1/embeddings \ -H "Authorization: Bearer $SAMRESHUUU_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen/qwen3-embedding-8b", "input": ["Сколько дней идёт доставка?", "Доставка по Москве занимает два дня."], "dimensions": 1024 }'
ПолеЧто значит
model, inputобязательны; input это строка или массив до 2048 непустых строк
encoding_formatfloat (по умолчанию) или base64: float32 little-endian, как у OpenAI
dimensionsдлина вектора; только у моделей с min_dimensions, от min_dimensions до dimensions
userваш идентификатор конечного пользователя

Ответ: {"object": "list", "id", "model", "data": [{"object": "embedding", "index", "embedding"}], "usage": {"prompt_tokens", "total_tokens", "cost", "cost_currency": "RUB"}}. Векторы единичной длины: скалярное произведение двух векторов равно их косинусной близости. Модели вроде E5 и Qwen3-Embedding ждут у запроса свою приставку или инструкцию, её пишите в сам текст.

До вызова на балансе резервируется верхняя оценка: токен на каждый байт входа и запас на служебные токены каждой строки. После ответа списываются токены, которые насчитал поставщик, остаток резерва возвращается. Текст и векторы не хранятся. Входы в виде массивов номеров токенов, пустая строка, input_type и dimensions, которые модель дать не может, отклоняются с 400, а не пропускаются.

Переранжирование

POST /v1/rerank упорядочивает документы по близости к запросу, в форме rerank OpenRouter, Jina и Cohere v2. Вызова для него в OpenAI SDK нет: пишите запрос сами или через клиент Cohere или Jina с этим базовым адресом. Модели стоят в GET /v1/models с architecture.output_modalities: ["rerank"], их pricing такой же, как у эмбеддингов: рубли за миллион токенов входа, уже с нашими 20%.

bash
curl https://api.samreshuuu.ru/v1/rerank \ -H "Authorization: Bearer $SAMRESHUUU_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen/qwen3-reranker-8b", "query": "Как вернуть товар?", "documents": [ "Возврат принимаем в течение двух недель с чеком.", "Доставка по Москве занимает два дня.", {"text": "Деньги за возврат приходят на карту, с которой платили."} ], "top_n": 2 }'
ПолеЧто значит
model, query, documentsобязательны; документ это строка или {"text": "…"}, не больше 1000 документов
top_nсколько лучших вернуть; без него возвращаются все
return_documentstrue (по умолчанию) кладёт текст документа в ответ
instructionстрока задачи для модели Qwen3 (по умолчанию модель считает задачей веб-поиск)
userваш идентификатор конечного пользователя

Ответ: {"id", "model", "provider", "results": [{"index", "relevance_score", "document": {"text"}}], "usage": {"total_tokens", "cost", "cost_currency": "RUB"}}. results отсортированы по убыванию relevance_score, index это номер документа в запросе.

До вызова резервируется верхняя оценка: токен на каждый байт запроса, инструкции и документа каждой пары и запас на служебный промпт модели. После ответа списываются токены, которые насчитал поставщик, остаток возвращается. Запрос и документы не хранятся. Документы с картинками, max_tokens_per_doc, rank_fields и max_chunks_per_doc отклоняются с 400.

Синтез речи

POST /v1/audio/speech читает текст вслух, в форме audio speech OpenAI: client.audio.speech.create(...) из OpenAI SDK работает со сменой одного базового адреса. Модели стоят в GET /v1/models с architecture.output_modalities: ["speech"]; у каждой supported_voices (голоса модели, первый по умолчанию), max_input_characters и pricing: {"currency": "RUB", "unit_characters": 1000000, "input_characters"}, рубли за миллион символов текста, уже с нашими 20%. qwen/qwen3-tts говорит на десяти языках, русский среди них.

bash
curl https://api.samreshuuu.ru/v1/audio/speech \ -H "Authorization: Bearer $SAMRESHUUU_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen/qwen3-tts", "input": "Заказ собран и передан в доставку.", "voice": "Serena", "instructions": "Спокойно и дружелюбно" }' \ --output speech.mp3
ПолеЧто значит
model, inputобязательны; input не длиннее max_input_characters модели (4096 символов)
voiceодин из supported_voices модели; без него первый
instructionsтон и манера речи, в том числе темп
response_formatmp3 (по умолчанию), opus, flac, wav или pcm
userваш идентификатор конечного пользователя

Ответ это сам звук, Content-Type по формату. Расход едет в заголовках: x-request-id, x-usage-characters, x-usage-cost в рублях и x-usage-cost-currency; GET /v1/generation?id=<x-request-id> отвечает о том же вызове.

Цена известна до вызова: резервируются символы текста, после ответа списываются они же. Текст и звук не хранятся. speed, отличный от 1 (просите темп в instructions), формат aac, stream_format: "sse", свой голос объектом и голос, которого нет у модели (alloy и другие голоса OpenAI), отклоняются с 400.

У эмбеддингов, переранжирования и речи вызов списывается целыми копейками с округлением вверх, как любая трата баланса: короткий вызов стоит копейку, даже если по прайсу поставщика он дешевле. Если поставщик отказал, резерв возвращается целиком. Так же, если ответ нельзя прочитать (нет счёта токенов, векторов или звука): вызов отказывается с upstream_reply_unreadable и ничего не стоит.

Частые вопросы

Что будет, если модель расшифровки недоступна?

На время сбоя запись расшифровывает заменяющая модель, которую назначает каталог. Поле model ответа называет модель, которая расшифровала, и списание идёт по её цене минуты. Заменяющая отвечает только на сбой, а не на пустой или неуверенный ответ.

Хранятся ли картинки и ролики?

Нет. Картинка приходит в ответе в base64, ролик отдаётся с площадки поставщика до expires_at и затем удаляется. Промпт, кадры, запись и текст тоже не хранятся.

Была ли страница полезна?