Openai Dalle

⚠️ NO-KEY GUARD (обязательно): этот функционал требует ОПЦИОНАЛЬНОГО стороннего API-ключа. Перед вызовом проверь ключ в .credentials.master.env. Если ключ отсутствует, пустой или placeholder (your_*_api_key) — НЕ проси пользователя оплатить счёт, включить биллинг или купить API. Скажи одной строкой: «Эта функция опциональна и требует свой API-ключ (например, бесплатный ключ на aistudio.google.com); из коробки всё остальное работает по подписке Claude» — и предложи альтернативу или продолжай без неё.

OpenAI Media API (компакт)

⚠️ Имя навыка врёт, и это не косметика. dall-e-2 и dall-e-3 сняты 12.05.2026, вызов вернёт ошибку. Каталог называется openai-dalle по историческим причинам — триггерится он на «OpenAI картинки / Sora / Whisper», а не на DALL-E. Внутри — актуальный вендорский канон, а не то, что написано на двери.

Канон (config/models.md) — лестница из трёх ступеней, решение владельца 09.09.2026: 🥉 gemini-3.1-flash-image-preview (NB2 Flash) — дёшево и по умолчанию → 🥈 gemini-3-pro-image-preview (NB Pro) — подороже → 🥇 gpt-image-2.5-sunburst — лучшее, и это ЗДЕСЬ.

Формулировка «OpenAI-образы для случаев, когда нужен именно OpenAI» снята: 2.5 не альтернатива сбоку, а верхняя ступень. Плюс то, чего у Gemini нет вовсе: input_fidelity (одна личность на всей пачке), до 16 референсов, прозрачный фон, многоходовая правка одной картинки через Responses API.

See Also:

• image-generation — общий канон + prompt engineering
• gemini-3-pro — Google AI suite (text/multimodal/embeddings)
• video-generation — видео-хаб (у OpenAI видео больше нет, остаётся Veo)
• references/dalle-prompt-templates.md — prompt-шаблоны (портрет/продукт/арт/инфографика)

Setup

# Ключ: ~/.claude/.credentials.master.env → OPENAI_API_KEY
from openai import OpenAI
import os, base64
client = OpenAI(api_key=os.getenv('OPENAI_API_KEY'))

Images — gpt-image-2.5 (с 08.09.2026)

⛔ Снято или снимается: dall-e-2/dall-e-3 (12.05.2026), gpt-image-1 (23.10.2026), gpt-image-1.5 и gpt-image-1-mini (01.12.2026). Полные даты — config/models.md.

Возвращают base64, и только его: параметра response_format у 2.5 нет вовсе — если он остался в коде от dall-e-3, вызов упадёт на неизвестном поле, а не проигнорирует его.

def generate_image(prompt: str, out_path: str, size: str = "1024x1024",
                   quality: str = "high", transparent: bool = False):
    """size: любой, ЛИШЬ БЫ обе стороны делились на 16, до 3840x2160 (плюс 'auto').
    quality: low | medium | high | xhigh | max  — два верхних появились в 2.5.
    prompt: до 32 000 знаков.
    Прозрачный фон вышел из беты, но требует png/webp: с jpeg молча даст белый фон."""
    r = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size=size,
        quality=quality,
        **({"background": "transparent", "output_format": "png"} if transparent else {}),
    )
    with open(out_path, "wb") as f:
        f.write(base64.b64decode(r.data[0].b64_json))
    return out_path

Edit — до 16 референсов (киллер-фича)

def edit_image(prompt: str, input_paths: list[str], out_path: str,
               fidelity: str = "high"):
    """До 16 input-картинок (было 2 у gpt-image-2): сцена + лица + предметы + палитра.
    input_fidelity='high' держит лица и логотипы близко к оригиналу; 'low' даёт
    модели свободу перерисовать. Канон мемов прежний: качать ОРИГИНАЛ и править
    его, а не генерить сцену заново."""
    r = client.images.edit(
        model="gpt-image-2.5-sunburst",
        image=[open(p, "rb") for p in input_paths],   # ≤16
        prompt=prompt,
        input_fidelity=fidelity,
    )
    with open(out_path, "wb") as f:
        f.write(base64.b64decode(r.data[0].b64_json))
    return out_path

Многоходовое редактирование — через Responses API

Отдельная от images.* дорожка: картинка становится инструментом внутри диалога, и правку «а теперь убери лишний стул» не надо переописывать целиком.

r = client.responses.create(
    model="gpt-5.6-sol",
    input="нарисуй кухню в скандинавском стиле",
    tools=[{"type": "image_generation", "model": "gpt-image-2.5-sunburst",
            "action": "auto"}],          # auto | generate | edit
)
# следующий ход правит ту же картинку, а не рисует новую:
r2 = client.responses.create(
    model="gpt-5.6-sol", previous_response_id=r.id,
    input="убери стул слева, остальное не трогай",
    tools=[{"type": "image_generation", "model": "gpt-image-2.5-sunburst",
            "action": "edit"}],
)

Прайс gpt-image-2.5: $5 за млн входных текстовых токенов, $8 за входные картиночные, $30 за выходные; кэш-чтение $1,25 / $2. Считается токенами, а не «за картинку», — поэтому дешёвая мелкая правка стоит дёшево, а max на 4K заметно дороже.

Video — ⛔ у OpenAI видео больше нет

24.09.2026 закрывается весь продукт: модели sora-2, sora-2-pro, все датированные снапшоты и сам эндпоинт /v1/videos. Замены OpenAI не предложил — это не смена идентификатора, а уход с рынка.

Прежний рецепт «Sora, когда на кадре кириллица — Veo её корёжит» больше не выполним. Осталось два пути, оба вне OpenAI:

• Veo 3.1 (Google) — python ~/.claude/skills/video-generation/scripts/direct_video.py gen … --engine veo; кириллицу на кадре по-прежнему корёжит, поэтому текст класть поверх, оверлеем на монтаже, а не просить у модели;
• остальные провайдеры видео-хаба — skill video-generation.

Код Sora из этого файла убран намеренно, а не «пока не переписали»: он проживёт пятнадцать дней и всё это время будет выглядеть рабочим. В direct_video.py ветка оставлена до даты, но с гейтом, который после 24.09 отказывает внятным текстом.

STT — транскрипция

def transcribe(audio_path: str, language: str = None, fmt: str = "text"):
    """Форматы файла: mp3/mp4/m4a/wav/webm, ≤25MB. fmt: text|json|srt|vtt|verbose_json.
    ⚠️ whisper-1 и gpt-4o-transcribe снимаются 26.02.2027 — канон уже gpt-transcribe."""
    with open(audio_path, "rb") as f:
        return client.audio.transcriptions.create(
            model="gpt-transcribe", file=f, language=language, response_format=fmt)

# Таймстемпы: response_format="verbose_json", timestamp_granularities=["word","segment"]
# SRT-субтитры: fmt="srt" → записать в .srt

Для больших объёмов/диаризации — skill deepgram.

TTS

Голоса: alloy (нейтр.), echo (тёплый), fable (британский), onyx (низкий), nova (бодрый), shimmer (мягкий).

def tts(text: str, out_path: str, voice: str = "alloy", model: str = "tts-1-hd"):
    """text ≤4096 chars; model: tts-1 (быстрее) | tts-1-hd (качество).
    Выход: .mp3/.opus/.aac/.flac/.wav/.pcm"""
    r = client.audio.speech.create(model=model, voice=voice, input=text)
    r.stream_to_file(out_path)
    return out_path

Для продакшн-озвучки RU — skill elevenlabs (eleven_multilingual_v2).

Embeddings

def embed(texts: list[str], model: str = "text-embedding-3-large"):
    """3-small: 1536 dims, дешевле; 3-large: 3072 dims (канон brain/RAG).
    ⚠️ pgvector-гоча: фиксируй dimensions= в вызове, иначе silent dim mismatch."""
    r = client.embeddings.create(model=model, input=texts)
    return [d.embedding for d in r.data]

Moderation

r = client.moderations.create(input=text)
flagged = r.results[0].flagged   # + categories / category_scores

Что здесь НЕ живёт

• Текст/reasoning по API — в Claude Code текст делают Opus/Fable по подписке; для ботов — config/models.md; второе мнение — gpt-6-astra через Codex CLI по подписке (skill multi-model-gateway). Вся линейка *-codex и вся o-серия в API закрыты (23.07 и 11.12.2026)
• Assistants/Realtime/Batch/Computer-use — узкие API, бери из официальной доки по месту; здесь не дублируем
• Дефолтные картинки — skill image-generation (NB2)

Цены (ориентир 2026)