# Мультимодальность

> Используйте интерфейсы изображений, аудио, видео и Realtime в LLMoxy.

Мультимодальные возможности зависят от выбранной модели. Подтвердите текущие доступные мультимодальные модели через `GET /v1/models` или страницу цен в консоли.

## Изображения

Генерация изображений в стиле OpenAI:

```bash
curl https://llmoxy.com/v1/images/generations \
  -H "Authorization: Bearer <LLMOXY_API_KEY>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2",
    "prompt": "A clean product icon for an LLM gateway",
    "size": "1024x1024",
    "response_format": "url"
  }'
```

LLMoxy также пересылает специфичные для модели параметры изображений, если выбранная модель их поддерживает.

Маршруты редактирования изображений:

```txt
POST /v1/images/edits
POST /v1/edits
```

## Аудио

Преобразование текста в речь:

```bash
curl https://llmoxy.com/v1/audio/speech \
  -H "Authorization: Bearer <LLMOXY_API_KEY>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "input": "Hello from LLMoxy.",
    "voice": "alloy",
    "response_format": "mp3"
  }' \
  --output speech.mp3
```

Транскрипция и перевод аудио используют загрузку через multipart-форму:

```txt
POST /v1/audio/transcriptions
POST /v1/audio/translations
```

## Видео

Генерация видео, совместимая с OpenAI:

```bash
curl https://llmoxy.com/v1/videos \
  -H "Authorization: Bearer <LLMOXY_API_KEY>" \
  -F model=sora-2 \
  -F prompt="cute cat dance" \
  -F seconds=8
```

Запрос статуса:

```bash
curl "https://llmoxy.com/v1/videos/$TASK_ID" \
  -H "Authorization: Bearer <LLMOXY_API_KEY>"
```

Скачивание контента:

```bash
curl "https://llmoxy.com/v1/videos/$TASK_ID/content" \
  -H "Authorization: Bearer <LLMOXY_API_KEY>" \
  --output output.mp4
```

LLMoxy также поддерживает JSON-интерфейс генерации видео `POST /v1/video/generations`, а также маршруты в стиле поставщиков, такие как Kling и Jimeng. Конкретные поддерживаемые модели см. в списке моделей консоли.

## Realtime

Realtime использует WebSocket-эндпоинт:

```txt
wss://llmoxy.com/v1/realtime?model=gpt-4o-realtime-preview
```

Клиенты на стороне сервера могут использовать стандартные заголовки аутентификации при рукопожатии; браузерные клиенты могут использовать формат ключа подпротокола в стиле OpenAI.

Это markdown-версия страницы https://ru.llmoxy.com/docs/api-reference/multimodal.
