تغییرات

تغییرات API با نسخه‌بندی معنایی ثبت می‌شود. تغییرات ناسازگار (breaking) همیشه پیش از اعمال، با ایمیل و در همین صفحه اعلام می‌شوند و نسخهٔ قبلی مدتی در دسترس می‌ماند.

نسخهٔ ۱.۳.۱ 1405/07/19

هزینهٔ هر درخواست حالا در خود پاسخ می‌آید. هیچ endpoint موجودی تغییر نکرده است.

• usage.cost در پاسخ گفت‌وگو، completions، Responses و embeddings، و در آخرین رویداد استریم، مبلغی است که برای همان درخواست از اعتبار شما کم می‌شود، به دلار؛ همان عددی که GET /requests/{id} در فیلد usd برمی‌گرداند.
• فیلدهای cost_details و is_byok دیگر در usage نمی‌آیند. اگر برنامه‌تان آن‌ها را می‌خواند، usage.cost را بخوانید.
• اگر استریم پیش از پایان قطع شود، رویداد آخر و usage آن نمی‌رسد؛ مبلغ آن درخواست را از GET /requests/{id} بخوانید.

نسخهٔ ۱.۳.۰ 1405/07/14

اتصال زنده (Realtime) روی WebSocket: گفت‌وگوی صوتی دوطرفه برای پاسخ‌گوی تلفنی و دستیار صوتی. هیچ endpoint موجودی تغییر نکرده است. راهنما

• نشانی: wss://netarz.ir/api/ai/v1/realtime?model=… و برای سرورهای داخل ایران wss://ir.gisoo.pro/api/v1/realtime?model=…؛ همان کلید و همان اعتبار.
• سازگار با OpenAI Realtime API (نام رویدادهای نسخهٔ GA): session.update، input_audio_buffer.*، conversation.item.*، response.create و response.cancel.
• تلفن: صدای G.711 (A-law و μ-law) با ۸ کیلوهرتز و PCM با ۸، ۱۶ یا ۲۴ کیلوهرتز؛ با ?codec=alaw صدای Asterisk بی‌تبدیل جابه‌جا می‌شود.
• تشخیص پایان گفتار در سرور، لغو پاسخ وقتی تماس‌گیرنده وسط حرف می‌آید، فراخوانی ابزار و انتخاب صدا و مدل گفتار.
• هزینه برای هر نوبت از همان اعتبار کم می‌شود و هر ردیف با برچسب Realtime (WebSocket) یا Speech در گزارش درخواست‌ها دیده می‌شود.

نسخهٔ ۱.۲.۰ 1405/07/09

مدل‌های چندرسانه‌ای گوگل حالا مستقیم از خود گوگل روی درگاه‌اند. همه را با همان کلید و همان endpointهای سازگار با OpenAI صدا می‌زنید و به کلید یا کتابخانهٔ گوگل نیازی ندارید. هیچ endpoint موجودی تغییر ناسازگار نکرده است.

• گفت‌وگو: gemini-3.1-pro-preview (Gemini 3.1 Pro) فعال شد. وقتی ورودی از ۲۰۰ هزار توکن بیشتر شود، کل درخواست با نرخ کانتکست بلند حساب می‌شود (long_context_threshold).
• تصویر با Nano Banana: gemini-3-pro-image، gemini-3.1-flash-image و gemini-3.1-flash-lite-image در POST /images/generations. وضوح با quality (1K، 2K، 4K)، نسبت قاب با size یا aspect_ratio، تا ۴ تصویر مرجع برای ویرایش در فیلد image؛ خروجی JPEG و قیمت‌گذاری توکنی. راهنما
• متن به گفتار با Gemini TTS: gemini-3.8-flash-tts و gemini-3.8-flash-lite-tts در POST /audio/speech؛ ۳۰ صدا، لحن جدا از متن با instructions، گفت‌وگوی دو نفره با speakers و تا ۳٬۰۰۰ کاراکتر در هر درخواست. نام صداهای OpenAI هم پذیرفته می‌شود. راهنما
• گفتار به متن با Gemini 3.5 Transcribe: gemini-3.5-transcribe در POST /audio/transcriptions؛ جدا کردن گوینده‌ها با diarize (تا ۸ نفر)، قالب تازهٔ diarized_json، زمان‌بندی کلمه‌به‌کلمه، زیرنویس SRT و VTT، واژه‌نامهٔ اختصاصی در prompt و mode=smart. راهنما
• ویدیو با Veo: veo-3.1، veo-3.1-fast و veo-3.1-lite در POST /videos، با همان روند کار و وضعیت Sora؛ ۴، ۶ یا ۸ ثانیه، قاب تا 4K (به‌جز Lite) و همیشه همراه صدا. 1080p و 4K فقط ۸ ثانیه‌ای ساخته می‌شوند و مدت دیگر پیش از هر هزینه‌ای خطای invalid_seconds می‌گیرد. رندری که فیلتر گوگل متوقفش کند، هزینه‌اش خودکار برمی‌گردد. راهنما
• موسیقی مستقیم از گوگل: lyria-3.5 (آهنگ کامل چنددقیقه‌ای)، lyria-3-clip-preview و lyria-3-pro-preview در POST /audio/music، کنار نسخه‌های openrouter/google/lyria-…. راهنما
• رفع اشکال: اگر در یک درخواست به Gemini چند پیام system بفرستید، حالا همه در یک پیام به مدل می‌رسند؛ پیش از این فقط آخرینشان به مدل می‌رسید.

نسخهٔ ۱.۱.۱ 1405/07/06

فایل صوتی بلند با Gemini. هیچ endpoint و فیلدی تغییر نکرده است.

• سقف بدنهٔ هر درخواست از ۴ به ۲۰ مگابایت رسید. base64 حجم را یک‌سوم بیشتر می‌کند، پس فایل صوتی یا تصویری تا حدود ۱۵ مگابایت در یک درخواست جا می‌شود.
• راهنمای تازهٔ فایل صوتی بلند با Gemini: صوت در input_audio، فشرده‌سازی و تکه‌کردن با ffmpeg، نمونهٔ Python و PowerShell.
• /audio/transcriptions و /audio/translations حالا فایل تا ۲۵ مگابایت را می‌پذیرند، همان‌طور که راهنما می‌گفت؛ پیش از این، سقف بدنهٔ JSON روی این دو هم می‌نشست و فایل بزرگ‌تر از ۴ مگابایت را رد می‌کرد.
• مبلغ رزرو برای بخش input_audio حالا از حجم خود فایل برآورد می‌شود، نه یک عدد ثابت؛ تسویه مثل قبل با مصرف واقعی است.
• پاسخ‌های JSON هدر charset=utf-8 دارند تا متن فارسی در Windows PowerShell 5.1 درست خوانده شود. بدنه‌ای که با BOM شروع شود پذیرفته می‌شود، و اگر بدنه UTF-8 نباشد، پیام خطا می‌گوید آن را با UTF-8 بفرستید.

افزونهٔ وردپرس ۱.۰.۰ 1405/07/04

افزونهٔ رایگان و متن‌باز وردپرس: چت پشتیبانی با دستیار هوشمند و سپردن گفت‌وگو به همکار، تیکتینگ برای عضو و مهمان، و ابزارهای نوشتن در ویرایشگر؛ همه با کلید پروژهٔ همین API. خود API تغییری نکرده است. راهنما

نسخهٔ ۱.۱.۰ 1405/07/01

دو خانوادهٔ تازه: ویدیو و موسیقی. هیچ endpoint موجودی تغییر نکرده است.

• تولید ویدیو با sora-2 و sora-2-pro. چون رندر یک تا چند دقیقه طول می‌کشد، POST /videos یک «کار» برمی‌گرداند و فایل با GET /videos/{id} و GET /videos/{id}/content گرفته می‌شود؛ GET /videos و DELETE /videos/{id} هم اضافه شدند. راهنما
• ساخت موسیقی با lyria-3-clip و lyria-3-pro از مسیر POST /audio/music؛ خروجی یک فایل MP3 کامل در قالب base64. راهنما
• کلید تازهٔ قیمت per_second (ویدیو) کنار per_request (موسیقی) در GET /models؛ فیلتر ?type=video و ?type=music هم کار می‌کند.
• هزینهٔ رندر ویدیو در لحظهٔ پذیرش کسر می‌شود و اگر ویدیو تحویل نشود، کل مبلغ خودکار برمی‌گردد.
• مدلی که به endpoint اشتباه فرستاده شود، حالا در پیام خطا می‌گوید کدام endpoint را باید صدا زد.

نسخهٔ ۱.۰.۰ 1405/06/08

انتشار عمومی API هوش مصنوعی نِت اَرز.

• درگاه سازگار با OpenAI در https://netarz.ir/api/ai/v1 با احراز هویت کلید پروژه (sk-ntz-v1-…).
• Endpointها: /chat/completions (با استریم، ابزارها، بینایی، JSON و reasoning_effort)، /completions، /responses (عبور مستقیم با ابزارهای داخلی OpenAI)، /embeddings، /images/generations، /audio/transcriptions، /audio/translations، /audio/speech، /moderations.
• ارائه‌دهندگان: OpenAI، Anthropic (ترجمهٔ کامل به Messages API شامل استریم و ابزارها)، Google Gemini، DeepSeek، xAI، Mistral، Groq، Together، Perplexity و تمام مدل‌های OpenRouter با شناسهٔ openrouter/….
• فهرست عمومی مدل‌ها با قیمت دلاری و تومانی: GET /models و GET /models/{id}.
• حساب و مصرف: GET /me، GET /usage، GET /requests/{id}؛ هدر X-Request-Id روی همهٔ پاسخ‌ها.
• صورت‌حساب: اعتبار دلاری با خرید ریالی (کیف پول یا درگاه بانکی) و مالیات شفاف؛ رزرو اعتبار پیش از درخواست و تسویه با مصرف واقعی؛ درخواست‌های ناموفق رایگان.
• کنترل‌ها: پروژه‌ها با بودجهٔ ماهانه، کلیدها با مدل‌های مجاز، IPهای مجاز، RPM اختصاصی، سقف هزینه و تاریخ انقضا.
• مدل‌های رایگان (:free اوپن‌روتر و پایش محتوا) با سقف روزانه. ۱۶ شهریور ۱۴۰۵ برداشته شدند: ظرفیت مشترک ارائه‌دهنده در ساعت‌های شلوغ وسط کار خطا می‌داد. الان مدل رایگانی ارائه نمی‌شود و /moderations هم مدلی ندارد.
• مستندات فارسی و مرجع تعاملی OpenAPI 3.1 (مرجع).

در برنامه

• Batch API برای پردازش انبوه با تخفیف.
• ویرایش و تنوع‌سازی تصویر (/images/edits، /images/variations).
• وبهوک هشدار موجودی کم و گزارش هفتگی مصرف.
• وبهوک پایان رندر ویدیو، به‌جای پرسیدن پیاپی وضعیت.

پیشنهاد یا نیازی دارید؟ از پنل کاربری تیکت بزنید؛ اولویت‌بندی نقشهٔ راه بر اساس درخواست‌های شماست.