Base de coñecemento / desenvolvedores

Imaxes, audio e embeddings

Os xeradores da aplicación, e os bloques de construción para a busca: imaxes, vídeo, fala, transcrición e embeddings, cada un facturado por uso do seu saldo.

Esta páxina está traducida por máquina para maior comodidade. O orixinal en inglés é a versión que se aplica.

Xerar imaxes

Realiza unha a catro imaxes a partir dun prompt e devolve-las cando están feitas. ?image Na súa app.

POST https://nymbot.ai/api/v1/images/generations Necesita unha clave de API, ou Un Lightning pago por solicitude.

Os ídolos veñen de GET /api/v1/models?type=imageO xerador estándar, @cf/black-forest-labs/flux-1-schnell, custa un fixo 5 créditos estándar (50 sats) unha imaxe. Cada outro xerador gasta créditos Pro ao seu propio prezo, coa taxa habitual e marxe, como en A miña app. n As imaxes custan n Un campo que un xerador non toma é caído en vez de rexeitado; o xerador estándar usa só o prompt.

resolution non se usa: cada xerador fai o seu propio tamaño. url, cada imaxe é cargada a un anfitrión público de Blossom e obtés o seu enlace (algúns xeradores só devolven un enlace propio, que se transmite). O que o lume pode vercon b64_json a imaxe volve na resposta e nunca é cargada. data: URL en image_url é revisado do mesmo xeito que un Editar e cargado en Blossom primeiro para que o xerador poida recuperalo; é borrado de novo se a solicitude non se descarga.

Se algunhas das n as imaxes fallan, obtés as que funcionaron, son cobradas só por aquelas (máis calquera que o provedor cobra a pesar do fracaso), e nymbot.failed indica cantos están ausentes.Se todos fallan, a solicitude devolve 502.

Resposta

{
  "created": 1790726400,
  "model": "nano-banana",
  "cost": 0.2126,
  "data": [
    {
      "url": "https://blossom.example/5c0e4b7d3a91f2e8...c4.png",
      "content_type": "image/png"
    }
  ],
  "nymbot": { "balance": "pro", "charged_credits": 1.817, "charged_sats": 181.7, "balance_credits": 410.608, "balance_sats": 41060.8 }
}

cURL

curl https://nymbot.ai/api/v1/images/generations \
  -H "Authorization: Bearer $NYMBOT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nano-banana",
    "prompt": "A lighthouse at dusk, oil painting",
    "size": "16:9"
  }'

Python

import os
import requests

res = requests.post(
    "https://nymbot.ai/api/v1/images/generations",
    headers={"Authorization": "Bearer " + os.environ["NYMBOT_API_KEY"]},
    json={"model": "nano-banana", "prompt": "A lighthouse at dusk, oil painting", "size": "16:9"},
)
res.raise_for_status()
print(res.json()["data"][0]["url"])

JavaScript

const res = await fetch("https://nymbot.ai/api/v1/images/generations", {
  method: "POST",
  headers: {
    "Authorization": "Bearer " + process.env.NYMBOT_API_KEY,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({ model: "nano-banana", prompt: "A lighthouse at dusk, oil painting", size: "16:9" }),
});
const body = await res.json();
console.log(body.data[0].url);

Editar imaxes

Modifica unha imaxe que sube, seguindo unha prompt. Este é o punto final de edición de OpenAI, polo que os SDK de OpenAI images.edit funciona como está. Só os xeradores Pro con edit na lista de modelos acepta-lo.

POST https://nymbot.ai/api/v1/images/edits Necesita unha clave de API, ou Un Lightning pago por solicitudeO corpo está multipart/form-dataata 32 MB.

A imaxe que sube é verificada para ser un PNG, JPEG, WebP ou GIF ben formado, enviado como o seu tipo real, e colocado nun servidor público Blossom, porque os xeradores recollen a súa entrada por ligazón. Trátalo como público. Se a edición falla e non se carga nada, a copia aloxada é borrada de novo. A resposta ten a mesma forma que para a xeración. O prezo é o prezo do xerador, que para algúns xeradores inclúe unha taxa para a imaxe de entrada.

Resposta

{
  "created": 1790726460,
  "model": "nano-banana",
  "cost": 0.2126,
  "data": [{ "b64_json": "iVBORw0KGgoAAAANSUhEUgAA..." }],
  "nymbot": { "balance": "pro", "charged_credits": 1.817, "charged_sats": 181.7, "balance_credits": 408.791, "balance_sats": 40879.1 }
}

cURL

curl https://nymbot.ai/api/v1/images/edits \
  -H "Authorization: Bearer $NYMBOT_API_KEY" \
  -F model=nano-banana \
  -F [email protected] \
  -F prompt="Make it a snowy evening"

Python

import base64, os
from openai import OpenAI

client = OpenAI(base_url="https://nymbot.ai/api/v1", api_key=os.environ["NYMBOT_API_KEY"])

with open("photo.png", "rb") as f:
    result = client.images.edit(model="nano-banana", image=f, prompt="Make it a snowy evening")

with open("edited.png", "wb") as out:
    out.write(base64.b64decode(result.data[0].b64_json))

JavaScript

import fs from "node:fs";
import { writeFile } from "node:fs/promises";
import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://nymbot.ai/api/v1", apiKey: process.env.NYMBOT_API_KEY });

const result = await client.images.edit({
  model: "nano-banana",
  image: fs.createReadStream("photo.png"),
  prompt: "Make it a snowy evening",
});
await writeFile("edited.png", Buffer.from(result.data[0].b64_json, "base64"));

Vídeo

Un vídeo leva minutos, polo que se executa no fondo. Envía-lo, obtén unha identificación inmediatamente, e preguntar sobre a identificación ata que estea feito.

POST https://nymbot.ai/api/v1/videos Necesita unha clave de API, ou Un Lightning pago por solicitudeRegreso 202.

O prezo é fixo cando envíe, desde o xerador, resolución e lonxitude, polo que se cobra do seu saldo Pro tan pronto como o provedor acepta o traballo, e se mostra como cost, estimated_cost e nymbotSe o provedor rexeita o traballo, non se cobra nada. Se a renderización falla máis tarde, ou o clip rematado non se pode almacenar e o provedor non fixo a factura, a factura é reembolsada unha vez, automaticamente. Unha renderización que aínda vai despois dunha hora abandona e mantén a súa factura, porque o provedor factura unha renderización unha vez que a acepta.

Reaccións (202)

{
  "id": "vid_3e9a51c07b2f4d86e0a1c4f2",
  "object": "video",
  "model": "veo",
  "status": "in_progress",
  "created": 1790726400,
  "seconds": 8,
  "resolution": "1080p",
  "estimated_cost": 3.18,
  "expires_at": 1790812800,
  "cost": 3.18,
  "nymbot": { "balance": "pro", "charged_credits": 31.8, "charged_sats": 3180, "balance_credits": 378.808, "balance_sats": 37880.8 }
}

status Comeza como in_progressou completed O vídeo xa está en data cando o xerador o devolveu inmediatamente.

Comprobar nun vídeo

GET https://nymbot.ai/api/v1/videos/{id} Necesita unha clave pertencente ao nim que a enviou.Unha clave que alcanzou o seu límite aínda pode comprobar.

que responde 202 Aínda que se está a facer o vídeo e 200 unha vez que está rematado ou fracasou. Pregunta cada 5 a 10 segundos. Cada cheque pregunta ao provedor unha vez e responde á vez; nunca agarda o vídeo. GET /api/v1/videos lista os últimos 50 postos de traballo da clave como {"object": "list", "data": […]}.

Resposta á pregunta (200)

{
  "id": "vid_3e9a51c07b2f4d86e0a1c4f2",
  "object": "video",
  "model": "veo",
  "status": "completed",
  "created": 1790726400,
  "seconds": 8,
  "resolution": "1080p",
  "estimated_cost": 3.18,
  "expires_at": 1790812800,
  "completed_at": 1790726590,
  "data": { "url": "https://blossom.example/9b41d0c2e7a3f658...1e.mp4", "content_type": "video/mp4" },
  "cost": 3.18,
  "nymbot": { "balance": "pro", "charged_credits": 31.8, "charged_sats": 3180 }
}

status é in_progress, completed ou failedUn traballo fracasado leva error ({"code": "generation_failed", "message": …}e se se lle devolve, cost é 0 e nymbot Adicións refunded_credits e refunded_satsO vídeo rematado está nun host público de Blossom, como as imaxes xeradas.

cURL

curl https://nymbot.ai/api/v1/videos \
  -H "Authorization: Bearer $NYMBOT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "veo", "prompt": "Waves rolling onto a beach at sunrise", "duration": 8, "aspect_ratio": "16:9"}'

curl https://nymbot.ai/api/v1/videos/vid_3e9a51c07b2f4d86 \
  -H "Authorization: Bearer $NYMBOT_API_KEY"

Python

import os, time
import requests

headers = {"Authorization": "Bearer " + os.environ["NYMBOT_API_KEY"]}

job = requests.post(
    "https://nymbot.ai/api/v1/videos",
    headers=headers,
    json={"model": "veo", "prompt": "Waves rolling onto a beach at sunrise", "duration": 8, "aspect_ratio": "16:9"},
).json()

while True:
    time.sleep(8)
    status = requests.get("https://nymbot.ai/api/v1/videos/" + job["id"], headers=headers).json()
    if status["status"] in ("completed", "failed"):
        break

print(status["data"]["url"] if status["status"] == "completed" else status["error"])

JavaScript

const headers = {
  "Authorization": "Bearer " + process.env.NYMBOT_API_KEY,
  "Content-Type": "application/json",
};

const job = await (await fetch("https://nymbot.ai/api/v1/videos", {
  method: "POST",
  headers,
  body: JSON.stringify({ model: "veo", prompt: "Waves rolling onto a beach at sunrise", duration: 8, aspect_ratio: "16:9" }),
})).json();

let status;
do {
  await new Promise((r) => setTimeout(r, 8000));
  status = await (await fetch("https://nymbot.ai/api/v1/videos/" + job.id, { headers })).json();
} while (status.status !== "completed" && status.status !== "failed");

console.log(status.status === "completed" ? status.data.url : status.error);

Texto do discurso

Ler texto en voz alta e devolver o ficheiro de audio en si, non unha ligazón. audio.speech.create No OpenAI SDKs funciona.

POST https://nymbot.ai/api/v1/audio/speech Necesita unha clave de API, ou Un Lightning pago por solicitude.

A voz estándar custa un plano 3 créditos estándar (30 sats) unha solicitude, como na aplicación. Aura 2 é Pro, prezado polos caracteres que envía. Content-TypeO custo está na X-Nymbot-Cost-Sats Se o modelo de fala falla, non se cargará nada.

Resposta

HTTP/1.1 200 OK
Content-Type: audio/mpeg
X-Nymbot-Cost-Sats: 4.2
X-Nymbot-Balance-Sats: 41055.6

(audio bytes)

cURL

curl https://nymbot.ai/api/v1/audio/speech \
  -H "Authorization: Bearer $NYMBOT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "aura-2", "voice": "luna", "input": "Your invoice has been paid."}' \
  --output speech.mp3

Python

import os
from openai import OpenAI

client = OpenAI(base_url="https://nymbot.ai/api/v1", api_key=os.environ["NYMBOT_API_KEY"])

audio = client.audio.speech.create(
    model="aura-2",
    voice="luna",
    input="Your invoice has been paid.",
)
audio.write_to_file("speech.mp3")

JavaScript

import { writeFile } from "node:fs/promises";
import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://nymbot.ai/api/v1", apiKey: process.env.NYMBOT_API_KEY });

const audio = await client.audio.speech.create({
  model: "aura-2",
  voice: "luna",
  input: "Your invoice has been paid.",
});
await writeFile("speech.mp3", Buffer.from(await audio.arrayBuffer()));

Modelos de audio e voces

Dúas listas públicas para escoller un modelo de fala e voz, ou un modelo de transcrición.Hai 41 falantes de inglés Aura 2 e catro linguas MeloTTS.

GET https://nymbot.ai/api/v1/audio/models Non é necesaria ningunha chave.

GET https://nymbot.ai/api/v1/audio/voices?language=en Non é necesaria ningunha chave.

Reaccións (Votacións)

{
  "object": "list",
  "data": [
    { "id": "luna", "name": "Luna", "provider": "deepgram", "model_id": "aura-2", "models": ["aura-2"], "language": "en", "description": "Aura 2 English voice", "gender": "female", "preview_url": null },
    { "id": "en", "name": "MeloTTS English", "provider": "myshell", "model_id": "@cf/myshell-ai/melotts", "models": ["@cf/myshell-ai/melotts", "melotts"], "language": "en", "description": "English (MeloTTS)", "gender": null, "preview_url": null }
  ]
}

As respostas da lista de modelos {"object": "list", "data": {"tts": […], "stt": […]}}Cada modelo de discurso dá o seu equilibrio, prezo, max_input_chars, response_formats, languages e default_voiceo modelo de transcrición dá os seus aliases, max_file_bytes, max_seconds, formatos e prezo por minuto.

cURL

curl https://nymbot.ai/api/v1/audio/models
curl "https://nymbot.ai/api/v1/audio/voices?language=en"

Python

import requests

print(requests.get("https://nymbot.ai/api/v1/audio/models").json())
for voice in requests.get("https://nymbot.ai/api/v1/audio/voices", params={"language": "en"}).json()["data"]:
    print(voice["id"], voice["model_id"])

JavaScript

console.log(await (await fetch("https://nymbot.ai/api/v1/audio/models")).json());
const voices = await (await fetch("https://nymbot.ai/api/v1/audio/voices?language=en")).json();
for (const v of voices.data) console.log(v.id, v.model_id);

Discurso ao texto

Converte unha gravación en texto con Whisper. Este é o punto final de transcrición de OpenAI, polo que audio.transcriptions.create Funcións .

POST https://nymbot.ai/api/v1/audio/transcriptions Necesita unha clave de API, ou Un Lightning pago por solicitudeO corpo está multipart/form-data.

Para WAV, WebM, MP4 e arquivos Ogg a lonxitude é lida a partir do arquivo antes de que se execute calquera cousa, polo que unha gravación de máis de 30 minutos é rexeitada adiante (con graza de 3 segundos). A lonxitude dun arquivo WAV provén da súa taxa de mostra, canles e tamaño de mostra. A lonxitude doutros formatos, como MP3, non se pode ler adiante, polo que están limitados polo tamaño: na taxa de bits máis baixa Nymbot asume, 8 kbps, 30 minutos é 1,8 MB, e un arquivo máis grande en tal formato é rexeitado con 413 audio_too_long Enviar gravacións máis longas como WAV, WebM, MP4 ou Ogg. Se Whisper logo informa máis de 30 minutos, a solicitude é rexeitada con 413 audio_too_long, e desde que Whisper fixo correr, 30 minutos son cargados.

Pagas pola lonxitude do audio, arredondado ata o segundo: o máis longo da lonxitude lida do ficheiro, a lonxitude do relato Whisper, e o menos o tamaño do ficheiro permite, ao prezo por minuto de Whisper coa tarifa habitual e marxe, e polo menos 0.05 crédito unha solicitude. 402 dá o que cada balance necesitaría. Na aplicación, a transcrición dunha mensaxe de voz pode ser gratuíta; na API sempre se carga.

Resposta

{
  "text": "Your invoice has been paid.",
  "usage": { "type": "duration", "seconds": 3 },
  "nymbot": { "balance": "standard", "charged_credits": 0.05, "charged_sats": 0.5, "balance_credits": 120.35, "balance_sats": 1203.5 }
}

text Devolve texto sinxelo, srt e vtt devolver os subtítulos, e verbose_json engade o idioma, a duración e os segmentos temporais. Para os tres que non son JSON, o custo está nos encabezados.

cURL

curl https://nymbot.ai/api/v1/audio/transcriptions \
  -H "Authorization: Bearer $NYMBOT_API_KEY" \
  -F [email protected] \
  -F model=whisper \
  -F response_format=json

Python

import os
from openai import OpenAI

client = OpenAI(base_url="https://nymbot.ai/api/v1", api_key=os.environ["NYMBOT_API_KEY"])

with open("memo.m4a", "rb") as f:
    transcript = client.audio.transcriptions.create(model="whisper", file=f)
print(transcript.text)

JavaScript

import fs from "node:fs";
import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://nymbot.ai/api/v1", apiKey: process.env.NYMBOT_API_KEY });

const transcript = await client.audio.transcriptions.create({
  model: "whisper",
  file: fs.createReadStream("memo.m4a"),
});
console.log(transcript.text);

Tradución do discurso ao inglés

POST https://nymbot.ai/api/v1/audio/translations Necesita unha clave de API, ou Un Lightning pago por solicitudeO corpo está multipart/form-data.

O mesmo que a transcrición, cos mesmos campos ademais de language, límites e prezo, pero o texto volve en inglés calquera que sexa o idioma falado. audio.translations.create.

cURL

curl https://nymbot.ai/api/v1/audio/translations \
  -H "Authorization: Bearer $NYMBOT_API_KEY" \
  -F [email protected] \
  -F model=whisper

Python

import os
from openai import OpenAI

client = OpenAI(base_url="https://nymbot.ai/api/v1", api_key=os.environ["NYMBOT_API_KEY"])

with open("nota.m4a", "rb") as f:
    translation = client.audio.translations.create(model="whisper", file=f)
print(translation.text)

JavaScript

import fs from "node:fs";
import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://nymbot.ai/api/v1", apiKey: process.env.NYMBOT_API_KEY });

const translation = await client.audio.translations.create({
  model: "whisper",
  file: fs.createReadStream("nota.m4a"),
});
console.log(translation.text);

Embaixadas

Converte texto en vectores para buscar, agrupar e deduplicar.Os modelos funcionan en Cloudflare e gastan o saldo estándar.

POST https://nymbot.ai/api/v1/embeddings Necesita unha clave de API, ou Un Lightning pago por solicitude.

A lista de modelos é a fonte de verdade para os que están dispoñibles e o que custan; o EmbeddingGemma de Google, con vectores máis curtos a petición, aparece alí tamén cando o catálogo ten un prezo para el.

Resposta

{
  "object": "list",
  "data": [
    { "object": "embedding", "index": 0, "embedding": [0.0213, -0.0487, 0.0112] }
  ],
  "model": "@cf/baai/bge-m3",
  "usage": { "prompt_tokens": 9, "total_tokens": 9 },
  "nymbot": { "balance": "standard", "charged_credits": 0.05, "charged_sats": 0.5, "balance_credits": 1204.35, "balance_sats": 12043.5 }
}

cURL

curl https://nymbot.ai/api/v1/embeddings \
  -H "Authorization: Bearer $NYMBOT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "@cf/baai/bge-m3", "input": ["Lightning invoices expire.", "Invoices on Lightning have a time limit."]}'

Python

import os
from openai import OpenAI

client = OpenAI(base_url="https://nymbot.ai/api/v1", api_key=os.environ["NYMBOT_API_KEY"])

result = client.embeddings.create(
    model="@cf/baai/bge-m3",
    input=["Lightning invoices expire.", "Invoices on Lightning have a time limit."],
)
print(len(result.data), len(result.data[0].embedding))

JavaScript

import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://nymbot.ai/api/v1", apiKey: process.env.NYMBOT_API_KEY });

const result = await client.embeddings.create({
  model: "@cf/baai/bge-m3",
  input: ["Lightning invoices expire.", "Invoices on Lightning have a time limit."],
});
console.log(result.data.length, result.data[0].embedding.length);