Автоматическое преобразование аудио в текст

Используйте Whisper API для автоматической транскрипции аудио и видео в текст.

## Возможности

- Распознавание речи на 100+ языках
- Высокая точность на русском языке
- Обработка аудио до 25 МБ
- Поддержка форматов: mp3, mp4, wav, webm

## Пример использования

```python
from openai import OpenAI

client = OpenAI(
    api_key="sk-aitunnel-xxx",
    base_url="https://api.aitunnel.ru/v1/"
)

with open("audio.mp3", "rb") as audio_file:
    transcript = client.audio.transcriptions.create(
        model="whisper-1",
        file=audio_file,
        language="ru"
    )

print(transcript.text)
```

## Применение

- Транскрипция интервью и подкастов
- Субтитры для видео
- Протоколы совещаний
- Расшифровка звонков
- Голосовые заметки в текст

API для транскрипции аудио в текст. Whisper, распознавание речи на русском. Без VPN, оплата в рублях. AITUNNEL.

Транскрипция аудио API | Whisper в России

Транскрипция аудио через API

Автоматическое создание кратких содержаний

Используйте AI для автоматической суммаризации длинных текстов, статей, документов.

## Возможности

- Суммаризация текстов любой длины
- Настраиваемая длина результата
- Сохранение ключевых фактов
- Разные стили: формальный, простой, тезисы

## Пример использования

```python
long_text = """[Длинный текст статьи]"""

response = client.chat.completions.create(
    model="gpt-5.2",
    messages=[{
        "role": "system",
        "content": "Создай краткое содержание текста в 3-5 предложениях. Сохрани ключевые факты и выводы."
    }, {
        "role": "user",
        "content": long_text
    }]
)

summary = response.choices[0].message.content
```

## Варианты суммаризации

```python
# Тезисы
"Выдели 5-7 ключевых тезисов из текста в виде списка"

# Для руководителя
"Создай executive summary на 1 абзац для руководителя"

# Для соцсетей
"Сократи статью до поста для Telegram (до 500 символов)"
```

## Применение

- Обработка новостей и статей
- Резюме документов
- Краткие содержания книг
- Обзоры отчётов
- Дайджесты для рассылок

API для суммаризации текста. Автоматическое создание кратких содержаний. GPT-5 API в России. Оплата в рублях.

Суммаризация текста API | Краткое содержание

Суммаризация текста через API

Автоматическое создание описаний товаров

Автоматизируйте создание продающих описаний товаров для интернет-магазина.

## Возможности

- Уникальные описания из характеристик
- SEO-оптимизация с ключевыми словами
- Адаптация под разные площадки
- Массовая генерация

## Пример использования

```python
product = {
    "название": "Смартфон Samsung Galaxy S24 Ultra",
    "характеристики": {
        "экран": "6.8 дюймов, Dynamic AMOLED 2X",
        "процессор": "Snapdragon 8 Gen 3",
        "память": "256 ГБ",
        "камера": "200 МП + 12 МП + 50 МП + 10 МП",
        "батарея": "5000 мАч"
    },
    "цена": "89990 руб"
}

response = client.chat.completions.create(
    model="gpt-5.2",
    messages=[{
        "role": "system",
        "content": """Напиши продающее описание товара:
- Заголовок с ключевым преимуществом
- 2-3 абзаца описания
- Маркированный список преимуществ
- Призыв к действию

Стиль: профессиональный, но дружелюбный
SEO: включи ключевые слова естественно"""
    }, {
        "role": "user",
        "content": str(product)
    }]
)
```

## Массовая генерация

```python
import asyncio

async def generate_descriptions(products):
    tasks = [generate_one(p) for p in products]
    return await asyncio.gather(*tasks)

# Обработка 1000 товаров за минуты
descriptions = await generate_descriptions(products_list)
```

API для генерации описаний товаров. SEO-оптимизированные тексты для интернет-магазинов. GPT-5 в России.

Генерация описаний товаров API | Для интернет-магазинов

Генерация описаний товаров

Профессиональный перевод документов через API

Используйте AI для качественного перевода документов с сохранением форматирования и стиля.

## Возможности

- Перевод на 100+ языков
- Сохранение форматирования
- Профессиональная терминология
- Адаптация под контекст

## Пример использования

```python
document = """[Текст документа на английском]"""

response = client.chat.completions.create(
    model="gpt-5.2",
    messages=[{
        "role": "system",
        "content": """Переведи документ с английского на русский.
        
Требования:
- Сохрани структуру и форматирование
- Используй профессиональную терминологию
- Адаптируй идиомы
- Сохрани нумерацию и списки"""
    }, {
        "role": "user",
        "content": document
    }]
)
```

## Перевод с терминологией

```python
glossary = {
    "leverage": "использовать",
    "stakeholder": "заинтересованная сторона",
    "deliverable": "результат"
}

response = client.chat.completions.create(
    model="gpt-5.2",
    messages=[{
        "role": "system",
        "content": f"Переведи, используя глоссарий: {glossary}"
    }, {
        "role": "user",
        "content": document
    }]
)
```

API для перевода документов. Профессиональный перевод на 100+ языков. GPT-5, Claude в России. Оплата в рублях.

Перевод документов API | 100+ языков

Перевод документов через API

Автоматическое извлечение данных из PDF

Используйте AI Vision для извлечения структурированных данных из PDF документов.

## Возможности

- Извлечение текста из сканов
- Распознавание таблиц
- Анализ форм и бланков
- Структурирование данных в JSON

## Пример использования

```python
import base64

# Конвертируем PDF страницу в изображение
with open("document.png", "rb") as f:
    image_data = base64.b64encode(f.read()).decode()

response = client.chat.completions.create(
    model="gpt-5.2",
    messages=[{
        "role": "user",
        "content": [
            {
                "type": "text",
                "text": """Извлеки данные из этого счёта в JSON:
                {
                    "номер_счёта": "",
                    "дата": "",
                    "поставщик": "",
                    "покупатель": "",
                    "товары": [{"название": "", "количество": "", "цена": ""}],
                    "итого": ""
                }"""
            },
            {
                "type": "image_url",
                "image_url": {"url": f"data:image/png;base64,{image_data}"}
            }
        ]
    }],
    response_format={"type": "json_object"}
)

data = json.loads(response.choices[0].message.content)
```

## Применение

- Обработка счетов и накладных
- Извлечение данных из договоров
- Анализ анкет и форм
- Оцифровка архивов

API для извлечения данных из PDF документов. OCR, анализ таблиц, структурирование. GPT-5 Vision в России.

Извлечение данных из PDF API | OCR и анализ

Извлечение данных из PDF

Автоматический анализ тональности отзывов

Анализируйте отзывы клиентов автоматически: тональность, темы, проблемы.

## Возможности

- Определение тональности (позитив/негатив/нейтрал)
- Извлечение тем и проблем
- Категоризация отзывов
- Выявление трендов

## Пример использования

```python
reviews = [
    "Отличный товар, доставка быстрая!",
    "Качество ужасное, деньги на ветер",
    "Нормально, но дороговато"
]

response = client.chat.completions.create(
    model="gpt-5.2",
    messages=[{
        "role": "system",
        "content": """Проанализируй отзывы. Для каждого верни JSON:
        {
            "текст": "",
            "тональность": "позитивная/негативная/нейтральная",
            "оценка": 1-5,
            "темы": [],
            "проблемы": [],
            "требует_ответа": true/false
        }"""
    }, {
        "role": "user",
        "content": str(reviews)
    }],
    response_format={"type": "json_object"}
)
```

## Агрегированный анализ

```python
response = client.chat.completions.create(
    model="gpt-5.2",
    messages=[{
        "role": "user",
        "content": f"""Проанализируй 100 отзывов и создай отчёт:
        
1. Общая тональность (% позитивных/негативных)
2. Топ-5 похваленных аспектов
3. Топ-5 проблем
4. Рекомендации по улучшению

Отзывы: {reviews_list}"""
    }]
)
```

API для анализа отзывов и тональности. Sentiment analysis, классификация. GPT-5 API в России. Оплата в рублях.

Анализ отзывов API | Тональность, sentiment

Анализ тональности отзывов

Автоматическое создание SEO-контента

Генерируйте SEO-оптимизированный контент: статьи, описания, meta-теги.

## Возможности

- Статьи с ключевыми словами
- Meta title и description
- LSI-ключи и синонимы
- Структурированный контент

## Пример: SEO-статья

```python
response = client.chat.completions.create(
    model="gpt-5.2",
    messages=[{
        "role": "system",
        "content": """Ты SEO-копирайтер. Пиши статьи:
- Ключевое слово в первом абзаце
- Подзаголовки H2/H3 с ключами
- Плотность ключей 2-3%
- LSI-ключи и синонимы
- Внутренняя перелинковка (placeholder)
- Списки и таблицы для структуры"""
    }, {
        "role": "user",
        "content": """Напиши SEO-статью:
        
Тема: Как выбрать ноутбук для работы в 2026 году
Главный ключ: выбрать ноутбук для работы
Дополнительные: ноутбук для офиса, рабочий ноутбук, ноутбук для бизнеса
Объём: 2000 слов"""
    }]
)
```

## Генерация meta-тегов

```python
response = client.chat.completions.create(
    model="gpt-5-mini",
    messages=[{
        "role": "user",
        "content": """Создай meta-теги для страницы:

URL: /catalog/noutbuki-dlya-raboty
Тема: Ноутбуки для работы

Верни JSON:
{
    "title": "до 60 символов",
    "description": "до 160 символов",
    "h1": "заголовок страницы",
    "keywords": ["список", "ключей"]
}"""
    }],
    response_format={"type": "json_object"}
)
```

API для генерации SEO-оптимизированных текстов. Статьи, описания, meta-теги. GPT-5 в России. Оплата в рублях.

Генерация SEO-текстов API | Статьи, описания

Генерация SEO-текстов

Автоматизация ответов на отзывы клиентов

Автоматизируйте ответы на отзывы на маркетплейсах и отзовиках.

## Возможности

- Персонализированные ответы
- Адаптация тона под тональность отзыва
- Работа с негативом
- Шаблоны для разных ситуаций

## Пример использования

```python
review = {
    "текст": "Товар пришёл с браком, очень разочарован",
    "оценка": 2,
    "товар": "Наушники Sony WH-1000XM5"
}

response = client.chat.completions.create(
    model="gpt-5.2",
    messages=[{
        "role": "system",
        "content": """Ты менеджер по работе с клиентами.

Правила ответа на негативный отзыв:
1. Поблагодари за обратную связь
2. Извинись за неудобства
3. Предложи решение (замена/возврат)
4. Дай контакт для связи
5. Тон: профессиональный, сочувствующий

Подпись: Команда [Магазин]"""
    }, {
        "role": "user",
        "content": str(review)
    }]
)
```

## Массовая обработка

```python
def generate_response(review):
    if review["оценка"] >= 4:
        template = "благодарность"
    elif review["оценка"] == 3:
        template = "нейтральный"
    else:
        template = "негатив"
    
    # Генерация с учётом шаблона
    ...
    
# Обработка всех новых отзывов
for review in new_reviews:
    response = generate_response(review)
    post_response(review["id"], response)
```

API для автоматических ответов на отзывы. Wildberries, Ozon, отзовики. GPT-5 в России. Оплата в рублях.

Автоответы на отзывы API | Для маркетплейсов

Автоматические ответы на отзывы

Создание и редактирование изображений с помощью AI

Генерируйте и редактируйте изображения с помощью AI через AITUNNEL API. Доступны модели Gemini 3 Pro (gemini-3-pro-image-preview, известная как "Nano Banana") и GPT Image от OpenAI.

## Особенности Gemini для генерации изображений

- **Нативная мультимодальность** — Gemini создаёт изображения как часть диалога
- **Текст + изображение** — модель может отвечать текстом и изображением одновременно
- **Гибкие соотношения сторон** — от 1:1 до 21:9
- **Высокое качество** — современные технологии генерации

## Как использовать

Для генерации изображений отправьте запрос к `/v1/chat/completions` с параметром `modalities`:

```python
import requests
import base64

url = "https://api.aitunnel.ru/v1/chat/completions"
headers = {
    "Authorization": "Bearer sk-aitunnel-xxx",
    "Content-Type": "application/json"
}

payload = {
    "model": "gemini-3-pro-image-preview",
    "messages": [
        {
            "role": "user",
            "content": "Создай красивый закат над горами в стиле импрессионизма"
        }
    ],
    "modalities": ["image", "text"]
}

response = requests.post(url, headers=headers, json=payload)
result = response.json()

# Получаем изображение
if result.get("choices"):
    message = result["choices"][0]["message"]
    if message.get("images"):
        for image in message["images"]:
            # Base64 data URL
            image_url = image["image_url"]["url"]
            print(f"Изображение: {image_url[:50]}...")
            
            # Сохранение в файл
            if image_url.startswith("data:image/png;base64,"):
                image_data = base64.b64decode(image_url.split(",")[1])
                with open("generated.png", "wb") as f:
                    f.write(image_data)
```

## Настройка соотношения сторон

Gemini поддерживает различные соотношения сторон:

| Соотношение | Размер | Применение |
|-------------|--------|------------|
| 1:1 | 1024×1024 | Аватары, иконки |
| 16:9 | 1344×768 | Обложки, баннеры |
| 9:16 | 768×1344 | Stories, Reels |
| 4:3 | 1184×864 | Презентации |
| 3:2 | 1248×832 | Фотографии |
| 21:9 | 1536×672 | Кинематографичные |

```python
payload = {
    "model": "gemini-3-pro-image-preview",
    "messages": [
        {
            "role": "user", 
            "content": "Создай баннер для YouTube канала о путешествиях"
        }
    ],
    "modalities": ["image", "text"],
    "image_config": {
        "aspect_ratio": "16:9"
    }
}
```

## Streaming генерация

Для получения изображений в реальном времени используйте streaming:

```python
payload = {
    "model": "gemini-3-pro-image-preview",
    "messages": [
        {
            "role": "user",
            "content": "Создай изображение футуристического города"
        }
    ],
    "modalities": ["image", "text"],
    "stream": True
}

response = requests.post(url, headers=headers, json=payload, stream=True)

for line in response.iter_lines():
    if line:
        line = line.decode('utf-8')
        if line.startswith('data: ') and line != 'data: [DONE]':
            chunk = json.loads(line[6:])
            delta = chunk["choices"][0].get("delta", {})
            if delta.get("images"):
                for image in delta["images"]:
                    print("Получено изображение!")
```

## Альтернативный метод: OpenAI SDK

Вы также можете использовать стандартные методы OpenAI SDK для генерации и редактирования изображений:

### Генерация изображения

```javascript
const OpenAI = require('openai');
const fs = require('fs');

const client = new OpenAI({
    apiKey: 'sk-aitunnel-xxx',
    baseURL: 'https://api.aitunnel.ru/v1/',
});

// Создание изображения
const genImage = await client.images.generate({
  model: 'gemini-3-pro-image-preview',
  prompt: 'Нарисованный попугай',
  quality: 'medium',
  size: '1024x1536',
  moderation: 'low',
  output_format: 'png'
});

fs.writeFileSync(
  'gen_image.png',
  Buffer.from(genImage.data[0].b64_json, 'base64')
);
```

### Редактирование изображения

Можно объединять или редактировать несколько изображений:

```javascript
// Редактирование изображения
const editImage = await client.images.edit({
  model: 'gemini-3-pro-image-preview',
  prompt: 'Объедини эти картинки в одну',
  quality: 'medium',
  size: '1024x1536',
  moderation: 'low',
  output_format: 'png',
  image: [
    await OpenAI.toFile(fs.createReadStream('image.png'), null, {
      type: 'image/png'
    }),
    await OpenAI.toFile(fs.createReadStream('image_2.png'), null, {
      type: 'image/png'
    }),
  ],
});

fs.writeFileSync(
  'edit_image.png',
  Buffer.from(editImage.data[0].b64_json, 'base64')
);
```

### Параметры генерации

| Параметр | Описание | Значения |
|----------|----------|----------|
| model | Модель для генерации | gpt-image-1, gpt-image-1.5 |
| prompt | Описание изображения | Текст |
| quality | Качество | low, medium, high |
| size | Размер | 1024x1024, 1024x1536, 1536x1024 |
| moderation | Уровень модерации | low, auto |
| output_format | Формат | png, jpeg, webp |

## Советы для лучших результатов

- **Детальные описания** — чем подробнее промпт, тем лучше результат
- **Указывайте стиль** — "в стиле акварели", "фотореалистичный", "минималистичный"
- **Цвета и настроение** — "тёплые тона", "мрачная атмосфера"
- **Композиция** — "крупный план", "вид сверху", "панорама"

## Формат ответа (Chat Completions)

При использовании Chat Completions API изображения возвращаются в поле `images`:

```json
{
  "choices": [{
    "message": {
      "role": "assistant",
      "content": "Я создал изображение заката для вас.",
      "images": [{
        "type": "image_url",
        "image_url": {
          "url": "data:image/png;base64,iVBORw0KGgo..."
        }
      }]
    }
  }]
}
```

Генерация и редактирование изображений через AI API в России. Gemini 3 Pro (Nano Banana), GPT Image 1. Оплата в рублях, без VPN.

Генерация изображений AI API | Gemini Nano Banana, GPT Image

Генерация и редактирование изображений через AI API

Переранжируйте результаты поиска по релевантности с Rerank API

Rerank API принимает поисковый запрос и список документов, возвращая их отсортированными по степени релевантности с оценкой от 0 до 1 для каждого документа.

## Доступные модели

| Модель | Контекст | Цена |
|--------|----------|------|
| **Rerank 4 Pro** | 32K токенов | Самая точная |
| **Rerank 4 Fast** | 32K токенов | Скорость + качество |
| **Rerank v3.5** | 4K токенов | 100+ языков |

## Быстрый старт

```python
import requests

response = requests.post(
    "https://api.aitunnel.ru/v1/rerank",
    headers={
        "Authorization": "Bearer sk-aitunnel-xxx",
        "Content-Type": "application/json"
    },
    json={
        "model": "rerank-4-pro",
        "query": "Как настроить Redis кеширование?",
        "documents": [
            "Redis — это in-memory база данных с поддержкой кеширования.",
            "PostgreSQL — реляционная СУБД для хранения данных.",
            "Настройка Redis: установите redis-py и укажите host и port.",
            "MongoDB — документоориентированная база данных.",
        ],
        "top_n": 2
    }
)

results = response.json()["results"]
for r in results:
    print(f"[{r['relevance_score']:.3f}] {r['document']['text'][:60]}")
```

## JavaScript / TypeScript

```javascript
const response = await fetch("https://api.aitunnel.ru/v1/rerank", {
  method: "POST",
  headers: {
    "Authorization": "Bearer sk-aitunnel-xxx",
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "rerank-4-pro",
    query: "How to configure Redis caching?",
    documents: [
      "Redis is an in-memory data store.",
      "PostgreSQL is a relational database.",
      "To configure Redis: install redis and set host/port.",
    ],
    top_n: 2
  })
});

const { results } = await response.json();
results.forEach(r => {
  console.log(`[${r.relevance_score.toFixed(3)}] ${r.document.text}`);
});
```

## Формат ответа

```json
{
  "id": "rerank-xxx",
  "results": [
    {
      "index": 2,
      "relevance_score": 0.987,
      "document": { "text": "Настройка Redis: установите redis-py..." }
    },
    {
      "index": 0,
      "relevance_score": 0.731,
      "document": { "text": "Redis — это in-memory база данных..." }
    }
  ],
  "usage": { "total_tokens": 120 }
}
```

## Параметры запроса

| Параметр | Тип | Описание |
|----------|-----|----------|
| `model` | string | Название модели: `rerank-4-pro`, `rerank-4-fast`, `rerank-v3.5` |
| `query` | string | Поисковый запрос |
| `documents` | string[] | Список документов для ранжирования |
| `top_n` | number? | Вернуть только N наиболее релевантных |

## Когда использовать Rerank

- **Поиск по базе знаний** — после vector search уточните порядок результатов
- **E-commerce поиск** — ранжирование товаров по запросу пользователя
- **FAQ-системы** — найдите самый релевантный вопрос из базы
- **Юридический поиск** — релевантные статьи и прецеденты

Cohere Rerank API в России без VPN. Ранжирование документов по релевантности для RAG-систем. Rerank 4 Pro, 4 Fast, v3.5. Оплата в рублях. AITUNNEL.

Rerank API в России | Ранжирование документов без VPN

Rerank API — ранжирование документов

Двухэтапный поиск для RAG: embeddings + rerank = максимальная точность

Классический RAG часто выдаёт нерелевантные результаты из векторного поиска. Добавление rerank-этапа резко повышает точность без дообучения LLM.

## Проблема обычного RAG

Векторный поиск (cosine similarity) находит похожие векторы, но не понимает семантику запроса глубоко. В результате в контекст LLM попадают нерелевантные фрагменты, что ухудшает ответ.

## Решение: двухэтапный поиск

```
Запрос → Embeddings (top-50) → Rerank → top-5 → LLM
```

1. **Retrieval**: embeddings-поиск извлекает 20–100 кандидатов
2. **Rerank**: Cohere переранжирует, оставляя только релевантные
3. **Generation**: LLM получает чистый, точный контекст

## Полный пример на Python

```python
import requests
from openai import OpenAI

# Клиент AITUNNEL
client = OpenAI(
    api_key="sk-aitunnel-xxx",
    base_url="https://api.aitunnel.ru/v1/"
)

def embed(texts: list[str]) -> list[list[float]]:
    """Векторизация через AITUNNEL Embeddings"""
    resp = client.embeddings.create(
        model="text-embedding-3-small",
        input=texts
    )
    return [item.embedding for item in resp.data]

def rerank(query: str, documents: list[str], top_n: int = 5) -> list[str]:
    """Переранжирование через Cohere Rerank"""
    resp = requests.post(
        "https://api.aitunnel.ru/v1/rerank",
        headers={"Authorization": "Bearer sk-aitunnel-xxx"},
        json={
            "model": "rerank-4-pro",
            "query": query,
            "documents": documents,
            "top_n": top_n
        }
    )
    results = resp.json()["results"]
    return [r["document"]["text"] for r in results]

def rag_answer(query: str, knowledge_base: list[str]) -> str:
    """Полный RAG-пайплайн с rerank"""
    # Шаг 1: быстрый retrieval (в реальном проекте — vector DB)
    candidates = knowledge_base[:20]  # упрощённо

    # Шаг 2: rerank — оставляем только релевантные
    top_docs = rerank(query, candidates, top_n=3)

    # Шаг 3: генерация с чистым контекстом
    context = "\n\n".join(top_docs)
    response = client.chat.completions.create(
        model="gpt-5.2",
        messages=[
            {"role": "system", "content": f"Используй контекст для ответа:\n\n{context}"},
            {"role": "user", "content": query}
        ]
    )
    return response.choices[0].message.content

# Использование
answer = rag_answer(
    "Как настроить кеширование в Redis?",
    knowledge_base=[...]
)
print(answer)
```

## Сравнение подходов

| Метод | Точность | Скорость | Стоимость |
|-------|----------|----------|-----------|
| Только embeddings | Средняя | Быстро | Дёшево |
| Embeddings + Rerank | Высокая | Средняя | Умеренно |
| Fine-tuned модель | Очень высокая | Зависит | Дорого |

## Интеграция с LangChain

```python
from langchain.retrievers import ContextualCompressionRetriever
from langchain_community.document_compressors import CohereRerank

compressor = CohereRerank(
    cohere_api_key="...",  # или через AITUNNEL прокси
    top_n=3,
    model="rerank-4-pro"
)

compression_retriever = ContextualCompressionRetriever(
    base_compressor=compressor,
    base_retriever=vectorstore.as_retriever(search_kwargs={"k": 20})
)
```

## Когда Rerank даёт максимальный эффект

- **Длинные документы** — embeddings хуже работают с большими чанками
- **Многозначные запросы** — rerank понимает контекст глубже
- **Высокие требования к точности** — медицина, юриспруденция, финансы
- **Мультиязычный поиск** — Rerank 4 поддерживает 100+ языков

Улучшите точность RAG с Cohere Rerank. Двухэтапный поиск: embeddings + rerank. Примеры кода на Python. Без VPN, оплата в рублях. AITUNNEL.

AI для конкретных задач