مستندات وب‌سرویس لمورا

معرفی وب‌سرویس لمورا

وب‌سرویس لمورا یک درگاه یکپارچه و سازگار با OpenAI است که با یک کلید، به صدها مدل هوش مصنوعی از OpenAI، Anthropic، Google، DeepSeek، xAI، Meta، Qwen و ... دسترسی می‌دهد. هزینه هر درخواست به تومان محاسبه و از کیف پول شما کسر می‌شود.

ویژگی‌ها

• سازگار با کتابخانه‌های رسمی OpenAI (Python، Node.js و ...) — فقط base_url را عوض کنید.
• چت با پشتیبانی کامل از Streaming (SSE)، تصویر ورودی (Vision) و Function Calling.
• تولید و ویرایش تصویر، تبدیل متن به گفتار، گفتار به متن، تولید ویدیو و انیمیشن (موتور Remotion لمورا)، Embedding و Moderation — و همهٔ ابزارهای پلتفرم در وب‌سرویس ابزارها.
• ورودی تصویر و PDF در چت (بینایی)، Files API، OCR اسناد و استخراج فیلدهای ساختاریافته.
• جستجوی وب، استخراج محتوای صفحات و تحقیق خودکار.
• پرداخت ریالی از کیف پول، بدون نیاز به کارت ارزی.

Base URL

کپیtexthttps://lemura.ir/wp-json/lemuraai/v1

آدرس جایگزین (معادل): https://lemura.ir/api/lemuraai/v1

شروع در سه قدم

1. کیف پول خود را شارژ کنید.
2. از صفحه توسعه‌دهندگان یک کلید API (با پیشوند lsk-) بسازید.
3. اولین درخواست را بفرستید:

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/chat/completions \
  -H "Authorization: Bearer lsk-YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "gpt-4o-mini", "messages": [{"role": "user", "content": "سلام!"}]}'

احراز هویت

همه درخواست‌ها (به‌جز /ping) باید کلید API را در هدر Authorization ارسال کنند:

کپیhttpAuthorization: Bearer lsk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

بررسی کلید

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/me -H "Authorization: Bearer lsk-YOUR_KEY"

کپیjson{
  "object": "me",
  "user_id": 123,
  "username": "09123456789",
  "token": {"id": 7, "name": "my-app", "is_active": true, "created_at": "...", "last_used": "..."}
}

محدودیت نرخ

هر کلید حداکثر ۳۰ درخواست در دقیقه و ۳,۰۰۰ درخواست در روز. در صورت عبور، کد 429 برگردانده می‌شود.

فهرست Endpointها

عمومی و حساب

مدل‌ها

متن

فایل، بینایی و سند

تصویر، صوت و ویدیو

وب

بردار و ایمنی

پایگاه دانش و RAG

چت (Chat Completions)

دقیقاً مطابق OpenAI. پارامترهای اصلی:

• model (الزامی) — شناسه مدل، مثل gpt-4o، claude-sonnet-4-5، gemini-2.5-flash، deepseek-chat.
• messages (الزامی) — آرایه پیام‌ها با نقش‌های system، user، assistant، tool.
• stream — با true پاسخ به‌صورت SSE ارسال می‌شود.
• temperature، max_tokens، max_completion_tokens، top_p، stop، tools، tool_choice، response_format، seed، reasoning_effort و n.
• پیشرفته: parallel_tool_calls، prediction (خروجی پیش‌بینی‌شده برای بازنویسی سریع فایل)، service_tier (default یا flex برای کارهای غیرفوری، در مدل‌های پشتیبان)، prompt_cache_key، safety_identifier، verbosity، logprobs/top_logprobs، store و metadata.

درخواست ساده

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/chat/completions \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o-mini",
    "messages": [
      {"role": "system", "content": "تو یک دستیار مفید فارسی‌زبان هستی."},
      {"role": "user", "content": "سه نکته برای تمرکز بیشتر بگو"}
    ],
    "temperature": 0.7
  }'

پاسخ

کپیjson{
  "id": "chatcmpl-...",
  "object": "chat.completion",
  "model": "gpt-4o-mini",
  "choices": [{"index": 0, "message": {"role": "assistant", "content": "..."}, "finish_reason": "stop"}],
  "usage": {"prompt_tokens": 32, "completion_tokens": 120, "total_tokens": 152}
}

هزینه بر اساس usage محاسبه و از کیف پول کسر می‌شود. موجودی و هزینه‌ها را با /balance و /usage ببینید. هدرهای X-RateLimit-Limit، X-RateLimit-Remaining و X-RateLimit-Reset وضعیت محدودیت نرخ را نشان می‌دهند.

Streaming

کپیpythonstream = client.chat.completions.create(
    model="gpt-4o-mini", stream=True,
    messages=[{"role": "user", "content": "یک داستان کوتاه بنویس"}])
for chunk in stream:
    print(chunk.choices[0].delta.content or "", end="", flush=True)

تصویر ورودی (Vision)

کپیjson{
  "model": "gpt-4o",
  "messages": [{"role": "user", "content": [
    {"type": "text", "text": "در این تصویر چه می‌بینی؟"},
    {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
  ]}]
}

Function Calling

کپیjson{
  "model": "gpt-4o-mini",
  "messages": [{"role": "user", "content": "هوای تهران چطوره؟"}],
  "tools": [{"type": "function", "function": {
    "name": "get_weather",
    "parameters": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]}
  }}]
}

Responses API

رابط جدید OpenAI برای مدل‌های استدلالی و ابزارها. ورودی می‌تواند متن ساده یا آرایه‌ای از پیام‌ها باشد.

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/responses \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"model": "gpt-5-mini", "input": "تفاوت هوش مصنوعی و یادگیری ماشین چیست؟"}'

کپیpythonr = client.responses.create(model="gpt-5-mini", input="یک شعر کوتاه درباره پاییز")
print(r.output_text)

Completions (قدیمی)

برای سازگاری با کدهای قدیمی؛ پارامتر prompt به‌جای messages.

قواعد مشترک هر دو وب‌سرویس

احراز هویت

هر دو وب‌سرویس با یک کلید کار می‌کنند. کلید را در صفحهٔ «کلیدها و آمار» بسازید و در هدر هر درخواست بفرستید:

Authorization: Bearer lsk-YOUR_KEY

نحوهٔ درخواست

• بدنهٔ درخواست‌ها JSON است با هدر Content-Type: application/json.
• ارسال فایل با multipart/form-data (فیلد فایل؛ در ابزارها هم‌نام پارامتر و آرگومان‌های دیگر در فیلد args به‌صورت JSON).
• پاسخ‌ها همیشه JSON با کدگذاری UTF-8 است؛ مبالغ به تومان است.
• کارهای طولانی (ویدیو، OCR، تبدیل صوت و...) ناهمگام هستند: شناسهٔ کار برمی‌گردد و وضعیت را بعداً می‌پرسید.

متدها

موجودی کیف پول و اطلاعات حساب

موجودی و اطلاعات حساب از هر دو وب‌سرویس با پاسخ یکسان در دسترس است:

GET https://lemura.ir/wp-json/lemuraai/v1/balance
GET https://lemura.ir/public/v1/balance

GET https://lemura.ir/wp-json/lemuraai/v1/me
GET https://lemura.ir/public/v1/me

curl https://lemura.ir/public/v1/balance -H "Authorization: Bearer lsk-YOUR_KEY"

{"object": "balance", "user_id": 42, "balance": 125000, "currency": "toman", ...}

کدهای خطا

تولید تصویر

• model (الزامی) — مثل gpt-image-1، imagen-4.0-generate-001، flux-1.1-pro. فهرست کامل در /models.
• prompt (الزامی، حداکثر ۱۰۰۰ کاراکتر) — توصیف تصویر. برای کیفیت بهتر انگلیسی بنویسید.
• size — مثل 1024x1024، 1024x1792، 1792x1024.
• n — تعداد تصاویر (هزینه × n).
• اختیاری: quality، style، background، output_format، response_format (url یا b64_json).

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/images/generations \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"model": "gpt-image-1", "prompt": "a cozy reading nook with warm light, watercolor", "size": "1024x1024"}'

کپیpythonimg = client.images.generate(model="gpt-image-1", prompt="a futuristic Tehran skyline at night", size="1792x1024")
print(img.data[0].url or "base64 length: %d" % len(img.data[0].b64_json))

صوت

متن به گفتار (TTS)

پارامترها: model (مثل gpt-4o-mini-tts، tts-1، tts-1-hd)، input (متن)، voice (مثل alloy، nova، shimmer، echo). خروجی فایل صوتی است. هزینه هر درخواست: حدود ۵۰۰ تومان (پیش از سود).

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/audio/speech \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"model": "gpt-4o-mini-tts", "input": "سلام، به لمورا خوش آمدید", "voice": "nova"}' \
  --output speech.mp3

گفتار به متن

ارسال به‌صورت multipart/form-data با فیلدهای file و model (مثل gpt-4o-transcribe، gpt-4o-mini-transcribe، whisper-1؛ فهرست به‌روز در /models). اختیاری: language، prompt، response_format، temperature.

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/audio/transcriptions \
  -H "Authorization: Bearer lsk-YOUR_KEY" \
  -F file=@voice.mp3 -F model=whisper-1 -F language=fa

ترجمه گفتار به انگلیسی

مانند transcriptions، با مدل whisper-1؛ خروجی متن انگلیسی است.

تولید ویدیو و انیمیشن (موتور Remotion لمورا)

همهٔ ویدیوهای لمورا با موتور انیمیشن Remotion روی سرورهای خود لمورا ساخته می‌شوند (همان ابزار animation_render در وب‌سرویس ابزارها و چت). پرامپت شما با هوش مصنوعی به صحنه‌ها (عنوان، متن، فهرست، تصویر، آمار متحرک، نمودار، ترنزیشن، تم، متن فارسی راست‌به‌چپ) تبدیل و در صف رندر ساخته می‌شود. تولید ناهمگام است: کار را بسازید، وضعیت را بپرسید و فایل را دریافت کنید.

هزینه: طراحی صحنه‌ها با هوش مصنوعی (مثل یک پیام چت) + رندر: پایه 800 + وزن پردازش 4.0 × واحد پردازش واقعی — حدود 2,400 تومان برای یک ویدیوی معمولی ۷۲۰p. مبلغ دقیق هر ویدیو در فیلد cost و در گزارش مصرف ثبت می‌شود.

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/videos   -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json"   -d '{"prompt": "ویدیوی معرفی فروشگاه قهوه: عنوان، سه مزیت، تخفیف ۲۰٪ و دعوت به خرید", "seconds": 15, "size": "720x1280"}'

کپیjson{"id": "job_8b1f…", "object": "video", "model": "lemura-motion", "status": "queued",
 "aspect": "9:16", "quality": "720p", "seconds": 15.0, "progress": 0}

وضعیت: queued، in_progress، completed (با download_url و cost) یا failed (با error).

دریافت فایل MP4 پس از تکمیل (?variant=thumbnail = تصویر پوستر). از Range برای پخش پشتیبانی می‌کند.

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/videos/VIDEO_ID/content -H "Authorization: Bearer lsk-YOUR_KEY" --output video.mp4

ساخت نسخهٔ تازه از روی همان طرح با یک دستور تغییر: {"prompt": "رنگ‌ها را تیره‌تر کن و یک صحنهٔ آمار اضافه کن"}.

برای کنترل کامل صحنه‌ها (بدون طراحی خودکار) از ابزار POST /public/v1/tools/animation_render و برای کد React دلخواه از animation_code استفاده کنید — همان موتور و همان تعرفه.

جستجو و تحقیق وب

جستجوی وب با پاسخ هوشمند

ارسال query (یا messages) و مدل جستجو (پیش‌فرض gpt-4o-search-preview). پارامتر search_context_size: low، medium یا high (هزینه بیشتر، منابع بیشتر).

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/web-search \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"query": "آخرین اخبار هوش مصنوعی این هفته", "search_context_size": "medium"}'

استخراج محتوای صفحه

url یا آرایه urls؛ اختیاری max_chars_per_url (۵۰۰ تا ۵۰٬۰۰۰). خروجی متن تمیزشده هر صفحه است.

کپیjson{"urls": ["https://example.com/article"], "max_chars_per_url": 8000}

تحقیق خودکار

query (یا topic)؛ اختیاری model و max_results. گزارشی جمع‌بندی‌شده با منابع برمی‌گرداند.

Embedding و Moderation

تبدیل متن به بردار برای جستجوی معنایی و RAG. مدل‌ها: text-embedding-3-small، text-embedding-3-large، text-embedding-ada-002. هزینه: حدود ۲۰ تومان به ازای هر ۱۰۰۰ توکن.

کپیpythone = client.embeddings.create(model="text-embedding-3-small", input=["سلام دنیا", "hello world"])
print(len(e.data[0].embedding))

بررسی محتوای نامناسب. مدل پیش‌فرض omni-moderation-latest؛ فیلد input الزامی است.

کپیjson{"model": "omni-moderation-latest", "input": "متنی برای بررسی"}

موجودی

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/balance -H "Authorization: Bearer lsk-YOUR_KEY"

کپیjson{
  "object": "balance",
  "user_id": 123,
  "balance": 152000,
  "currency": "toman",
  "token_info": {"id": 7, "name": "my-app", "total_requests": 420, "total_tokens_used": 381200, "total_cost": 21500},
  "rate_limits": {"per_minute": 30, "per_day": 3000},
  "stats": {"total_spent": 48000, "total_requests": 1300, "total_tokens_used": 920000,
            "today": {"spent": 1200, "requests": 18}, "this_month": {"spent": 22000, "requests": 610}}
}

برای افزایش موجودی به کیف پول بروید. موجودی بین چت سایت، تولید تصویر و API مشترک است.

مدل‌ها

فهرست همه مدل‌های فعال همراه با نوع و قیمت تومانی:

کپیjson{
  "object": "list",
  "data": [
    {"id": "gpt-4o-mini", "object": "model", "type": "chat", "owned_by": "openai",
     "input_toman_per_1m": 46800, "output_toman_per_1m": 187200, "cached_toman_per_1m": 23400},
    {"id": "gpt-image-1", "object": "model", "type": "image", "price": 12000},
    {"id": "lemura-motion", "object": "model", "type": "video", "engine": "remotion", "price_estimate": 3200, "max_seconds": 60}
  ]
}

انواع: chat، image، web_search، audio_tts، audio_transcription، audio_translation، video، embedding، moderation.

جزئیات یک مدل؛ اگر وجود نداشته باشد کد 404 با نوع model_not_found.

کلیدها و قیمت‌گذاری

مدیریت کلید

• کلیدها از صفحه توسعه‌دهندگان ساخته، غیرفعال یا حذف می‌شوند.
• برای هر برنامه یک کلید جدا بسازید تا مصرف را جدا ببینید و در صورت لو رفتن فقط همان را حذف کنید.
• حداکثر تعداد کلید برای هر کاربر: ۱۰.

نحوه محاسبه هزینه

• مدل‌های متنی: بر اساس توکن ورودی، خروجی و ورودی کش‌شده، با قیمت تومانی هر مدل (در /models).
• تصویر: قیمت ثابت به ازای هر تصویر.
• ویدیو: طراحی صحنه‌ها (مثل یک پیام چت) + رندر Remotion بر اساس پردازش واقعی (همان تعرفهٔ ابزار animation_render).
• صوت: قیمت ثابت به ازای هر درخواست.
• جستجوی وب: بر اساس search_context_size.

قیمت‌ها بر اساس نرخ روز دلار محاسبه می‌شوند و ممکن است تغییر کنند. درخواست‌های ناموفق هزینه‌ای ندارند.

گزارش مصرف

مصرف روزانه (حداکثر ۹۰ روز) برای کاربرِ صاحب کلید:

کپیjson{
  "object": "usage", "user_id": 123, "days": 30,
  "data": [{"day": "2026-10-20", "requests": 42, "tokens": 51200, "cost": 2900}]
}

وضعیت سرویس

بدون نیاز به کلید؛ برای مانیتورینگ.

نمونه کدها

Python (کتابخانه openai)

کپیpython# pip install openai
from openai import OpenAI

client = OpenAI(api_key="lsk-YOUR_KEY", base_url="https://lemura.ir/wp-json/lemuraai/v1")
resp = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "یک تابع مرتب‌سازی سریع بنویس"}],
)
print(resp.choices[0].message.content)

Node.js

کپیjavascript// npm i openai
import OpenAI from "openai";

const client = new OpenAI({ apiKey: process.env.LEMURA_KEY, baseURL: "https://lemura.ir/wp-json/lemuraai/v1" });
const stream = await client.chat.completions.create({
  model: "gpt-4o-mini", stream: true,
  messages: [{ role: "user", content: "سلام!" }],
});
for await (const part of stream) process.stdout.write(part.choices[0]?.delta?.content || "");

PHP

کپیphp$ch = curl_init("https://lemura.ir/wp-json/lemuraai/v1/chat/completions");
curl_setopt_array($ch, [
  CURLOPT_RETURNTRANSFER => true, CURLOPT_POST => true,
  CURLOPT_HTTPHEADER => ["Authorization: Bearer lsk-YOUR_KEY", "Content-Type: application/json"],
  CURLOPT_POSTFIELDS => json_encode(["model" => "gpt-4o-mini",
    "messages" => [["role" => "user", "content" => "سلام"]]]),
]);
$res = json_decode(curl_exec($ch), true);
echo $res["choices"][0]["message"]["content"];

LangChain

کپیpythonfrom langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini", api_key="lsk-YOUR_KEY", base_url="https://lemura.ir/wp-json/lemuraai/v1")
print(llm.invoke("سلام").content)

خطاها و رفع اشکال

خطاها در قالب استاندارد OpenAI برمی‌گردند:

کپیjson{"error": {"message": "Insufficient balance. Available: 120 toman", "type": "insufficient_balance", "code": 402}}

نکات

• اگر کتابخانه OpenAI خطای اتصال می‌دهد، مطمئن شوید base_url دقیقاً https://lemura.ir/wp-json/lemuraai/v1 است (بدون /chat/completions).
• برای درخواست‌های طولانی (تصویر و ویدیو) timeout کلاینت را حداقل ۱۸۰ ثانیه بگذارید.
• در صورت تکرار خطای 5xx، مدل جایگزین را امتحان کنید.

سوالات متداول

آیا با کدهای فعلی OpenAI سازگار است؟

بله. فقط api_key را با کلید لمورا و base_url را با آدرس لمورا جایگزین کنید.

هزینه درخواست‌های ناموفق کسر می‌شود؟

خیر. فقط درخواست‌های موفق هزینه دارند.

موجودی API و چت سایت جداست؟

خیر، یک کیف پول مشترک برای همه سرویس‌هاست.

چطور بفهمم هر درخواست چقدر هزینه داشته؟

از /usage و /balance یا تاریخچه کیف پول استفاده کنید.

کلیدم لو رفته، چه کنم؟

فوراً از صفحه توسعه‌دهندگان آن را حذف و کلید جدید بسازید.

پشتیبانی

برای سوالات فنی از چت سایت یا راه‌های ارتباطی لمورا با ما در تماس باشید.

بینایی و فایل در چت

مدل‌های دارای قابلیت بینایی (مثل gpt-5.4، gpt-4o، claude-sonnet-4-6، gemini-2.5-flash) می‌توانند تصویر و PDF را مستقیماً در پیام بخوانند. هزینه تصویر و صفحات PDF به‌صورت توکن ورودی حساب می‌شود.

تصویر با URL یا Base64 (Chat Completions)

کپیjson{
  "model": "gpt-4o",
  "messages": [{"role": "user", "content": [
    {"type": "text", "text": "متن و اعداد این رسید را استخراج کن"},
    {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,/9j/4AAQ...", "detail": "high"}}
  ]}]
}

پارامتر detail: low (سریع و ارزان)، high (متن ریز، نمودار و اسکرین‌شات)، auto. برای چند تصویر، چند بخش image_url بفرستید و در متن برچسب بزنید («تصویر A»، «تصویر B»). مدل‌های Gemini فقط ورودی Base64 را می‌پذیرند.

PDF با Responses API

کپیjson{
  "model": "gpt-5.4",
  "input": [{"role": "user", "content": [
    {"type": "input_text", "text": "تعهدات اصلی این قرارداد را با شماره صفحه خلاصه کن"},
    {"type": "input_file", "file_url": "https://example.com/contract.pdf"}
  ]}]
}

به‌جای file_url می‌توانید "filename" + "file_data": "data:application/pdf;base64,..." یا "file_id" فایلی که با Files API آپلود کرده‌اید را بفرستید. حجم هر فایل کمتر از ۵۰ مگابایت باشد.

فایل آپلودشده در Chat Completions

کپیjson{
  "model": "gemini-2.5-flash",
  "messages": [{"role": "user", "content": [
    {"type": "text", "text": "این سند را خلاصه کن"},
    {"type": "file", "file": {"file_id": "file-EyVi0MrxuKTgBrvkVas5ZTGz"}}
  ]}]
}

فایل‌ها (Files API)

یک بار آپلود کنید و بارها با file_id در چت، Responses، OCR و ویرایش تصویر استفاده کنید. ذخیره‌سازی فایل هزینه‌ای ندارد؛ فقط پردازش آن در مدل حساب می‌شود.

multipart/form-data با فیلدهای file (حداکثر ۱۲۸ مگابایت) و purpose: user_data (پیشنهادی برای ورودی مدل)، vision، assistants، batch، fine-tune، evals، others. اختیاری: expires_after[anchor]=created_at و expires_after[seconds].

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/files \
  -H "Authorization: Bearer lsk-YOUR_KEY" \
  -F purpose="user_data" -F file="@contract.pdf"

کپیjson{"id": "file-EyVi0MrxuKTgBrvkVas5ZTGz", "object": "file", "bytes": 13264, "created_at": 1767210968,
 "filename": "contract.pdf", "purpose": "user_data"}

فهرست فایل‌های حساب شما.

کپیpythonf = client.files.create(file=open("contract.pdf", "rb"), purpose="user_data")
r = client.responses.create(model="gpt-5.4", input=[{"role": "user", "content": [
    {"type": "input_file", "file_id": f.id},
    {"type": "input_text", "text": "مهم‌ترین بندها را فهرست کن"}]}])
print(r.output_text)
client.files.delete(f.id)

تشخیص متن (OCR)

استخراج ساختاریافته متن، جدول و تصاویر از PDF و تصویر با mistral-ocr-4-0 (۱۷۰ زبان، خروجی Markdown). هزینه بر اساس تعداد صفحه: حدود ۱,۷۰۰ تومان برای هر صفحه (با حاشیه‌نویسی ساختاریافته ۲٫۲۵ برابر).

• document (الزامی): {"type": "document_url", "document_url": "https://... یا data:application/pdf;base64,..."} یا {"type": "image_url", "image_url": "..."}
• اختیاری: pages (آرایه شماره صفحه از ۰)، include_image_base64، image_limit، image_min_size، table_format (markdown/html)، extract_header، extract_footer، document_annotation_format و bbox_annotation_format (خروجی JSON Schema).

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/ocr \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"model": "mistral-ocr-4-0",
       "document": {"type": "document_url", "document_url": "https://arxiv.org/pdf/2201.04234"},
       "pages": [0, 1], "table_format": "html"}'

کپیjson{
  "pages": [{"index": 0, "markdown": "# عنوان سند\n\nمتن استخراج‌شده...", "dimensions": {"dpi": 200, "height": 2200, "width": 1700}, "images": []}],
  "model": "mistral-ocr-4-0",
  "usage_info": {"pages_processed": 2, "doc_size_bytes": 3002783},
  "object": "ocr"
}

استخراج داده ساختاریافته از فاکتور

کپیjson{
  "model": "mistral-ocr-4-0",
  "document": {"type": "document_url", "document_url": "https://example.com/invoice.pdf"},
  "document_annotation_format": {"type": "json_schema", "json_schema": {"name": "invoice", "schema": {
    "type": "object", "required": ["invoice_number", "total_amount"],
    "properties": {"invoice_number": {"type": "string"}, "date": {"type": "string"}, "total_amount": {"type": "number"}}}}}
}

نتیجه ساختاریافته در فیلد document_annotation به‌صورت رشته JSON برمی‌گردد. پیش از ثبت مالی، مبلغ‌ها و تاریخ‌ها را با سند اصلی تطبیق دهید.

ویرایش تصویر

ویرایش تصویر موجود با توضیح متنی (حذف پس‌زمینه، افزودن شیء، تغییر سبک...). مدل‌ها و قیمت همانند تولید تصویر است (مدل‌های فعال در /models با نوع image).

آپلود فایل (multipart)

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/images/edits \
  -H "Authorization: Bearer lsk-YOUR_KEY" \
  -F model="gpt-image-2" -F image="@product.png" \
  -F prompt="فقط پس‌زمینه را سفید گرم کن؛ محصول، لوگو و زاویه دوربین تغییر نکند" \
  -F size="1024x1024"

درخواست JSON با Base64

کپیjson{
  "model": "gpt-image-2",
  "prompt": "یک رنگین‌کمان در آسمان بالای کوه‌ها اضافه کن",
  "images": [{"image_url": "data:image/png;base64,iVBORw0KGgo..."}],
  "size": "1024x1024"
}

اختیاری: mask (فایل یا {"image_url": ...} با کانال آلفا؛ ناحیه شفاف قابل ویرایش است)، n (حداکثر ۴)، quality، output_format. خروجی در data[0].b64_json یا data[0].url است. در پرامپت کل تصویر نهایی را توصیف کنید و بگویید چه چیزهایی باید بدون تغییر بمانند.

استخراج فیلد (Extraction)

متن یا تصویر را بخوانید و مقدارهای نام‌دار و نوع‌دار برگردانید (شناسه، تاریخ، مبلغ، فهرست، برآورد، پیش‌بینی) — همراه با نشانه‌های عدم قطعیت. مدل: cf.clairic. هزینه بر اساس توکن ورودی (بسیار کم). پاسخ جریانی پشتیبانی نمی‌شود.

• state: متن شواهد (یا images: تا ۴ تصویر Base64 با content_type).
• fields: شیء نام‌دار؛ نوع‌ها: text، number، date، time، datetime، duration، list (با items)، estimate و forecast (با min/max). تنظیمات: instructions، unit، decimals، null_threshold و ...
• اختیاری: reference_date (برای تاریخ‌های بدون سال)، options.include_quantiles، options.return_state_text.

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/extraction \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"model": "cf.clairic",
       "state": "Invoice INV-2291 issued 2026-09-02, net 30. 4 pallets at $250.00, shipping $80.00. Contact: Dana Ruiz, Priya Shah.",
       "fields": {
         "invoice_number": {"type": "text"},
         "due_date": {"type": "date", "instructions": "Issue date plus net payment days"},
         "total": {"type": "number", "decimals": 2, "unit": "USD", "instructions": "Amount due including shipping"},
         "contacts": {"type": "list", "items": "text"},
         "po_number": {"type": "text", "instructions": "Purchase order number"}}}'

کپیjson{
  "model": "cf.clairic",
  "answers": {
    "invoice_number": {"type": "text", "value": "INV-2291", "confidence": 1, "p_null": 3.8e-10, "span": [8, 16]},
    "due_date": {"type": "date", "value": "2026-10-02"},
    "total": {"type": "number", "value": 1080},
    "contacts": {"type": "list", "value": ["Dana Ruiz", "Priya Shah"]},
    "po_number": {"type": "text", "value": null, "p_null": 1, "guess": "INV-2291"}
  },
  "truncated": false,
  "usage": {"input_tokens": 655, "output_tokens": 0, "passes": 3}
}

گفتگوی صوتی زنده

برای ساخت دستیار صوتی، سه مرحله را زنجیره کنید: گفتار به متن چت متن به گفتار. این همان روشی است که «گفتگوی صوتی» سایت لمورا استفاده می‌کند.

کپیpythonwith open("question.webm", "rb") as audio:
    text = client.audio.transcriptions.create(model="gpt-4o-transcribe", file=audio, language="fa").text

answer = client.chat.completions.create(model="gpt-5.4-mini", messages=[
    {"role": "system", "content": "کوتاه و محاوره‌ای پاسخ بده."},
    {"role": "user", "content": text}]).choices[0].message.content

with client.audio.speech.with_streaming_response.create(
        model="gpt-audio-1.5", voice="coral", input=answer, response_format="mp3") as speech:
    speech.stream_to_file("answer.mp3")

• متن هر درخواست TTS را زیر ۴٬۰۰۰ کاراکتر نگه دارید؛ متن طولانی را پاراگراف به پاراگراف بفرستید.
• صداهای پیشنهادی: coral، marin، cedar، alloy، nova.
• برای کاهش تأخیر، پاسخ چت را کوتاه بخواهید و پخش را هم‌زمان با دریافت فایل شروع کنید.
• به کاربر اطلاع دهید که صدای پاسخ با هوش مصنوعی تولید شده است.

پایگاه دانش و RAG (پاسخ مستند به اسناد شما)

اسناد خود (متن، صفحه وب یا فایل آپلودشده) را در یک «مجموعه» ذخیره کنید. لمورا آن‌ها را تکه‌بندی (با هم‌پوشانی)، به بردار تبدیل و ایندکس می‌کند. سپس با یک درخواست جستجو کنید یا پاسخ نهایی را همراه با ارجاع دقیق به منبع بگیرید. مجموعه‌ها خصوصی هستند و فقط با کلیدهای همان حساب در دسترس‌اند؛ پایگاه‌های دانشی که در چت سایت ساخته‌اید هم اینجا قابل استفاده‌اند.

Endpointها

۱. ساخت مجموعه

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/rag/collections \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"name": "support-kb", "description": "سوالات پشتیبانی", "embedding_model": "text-embedding-3-small"}'

name: حروف کوچک انگلیسی، عدد، - و _ (حداکثر ۴۰). embedding_model اختیاری است (پیش‌فرض text-embedding-3-small؛ برای دقت بیشتر text-embedding-3-large) و برای همه اسناد آن مجموعه ثابت می‌ماند. ارسال اولین سند به مجموعه‌ای که وجود ندارد، آن را خودکار می‌سازد.

۲. افزودن اسناد

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/rag/collections/support-kb/documents \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{
    "documents": [
      {"id": "refund-policy", "title": "سیاست بازپرداخت", "text": "...", "metadata": {"lang": "fa", "year": 2026}}
    ],
    "urls": ["https://example.com/faq"],
    "file_ids": ["file-EyVi0MrxuKTgBrvkVas5ZTGz"],
    "chunk_size": 700,
    "chunk_overlap": 100
  }'

• documents: تا ۲۰۰ سند؛ هر سند text (الزامی)، id پایدار (برای جایگزینی/حذف بعدی)، title، url و metadata (مقادیر ساده برای فیلتر).
• urls: تا ۱۰ صفحه وب عمومی (آدرس‌های داخلی و خصوصی پذیرفته نمی‌شوند).
• file_ids: فایل‌هایی که با Files API آپلود کرده‌اید — txt، md، csv، json، html، docx، xlsx، pptx؛ PDF و تصویر با OCR خوانده می‌شوند.
• chunk_size (۱۰۰ تا ۲۰۴۸ توکن، پیش‌فرض ۷۰۰) و chunk_overlap (پیش‌فرض ۱۵٪). سند با همان id دوباره ارسال شود، جایگزین می‌شود ("replace_documents": false برای افزودن).

کپیjson{"object": "rag.ingest", "collection": "support-kb", "chunks": 42, "total_chunks": 42,
 "documents": [{"id": "refund-policy", "title": "سیاست بازپرداخت", "chunks": 3}],
 "usage": {"embedding_tokens": 18210, "urls_fetched": 1, "ocr_pages": 0}, "cost": 410}

۳. جستجو

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/rag/collections/support-kb/search \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"query": "مهلت بازپرداخت چند روز است؟", "top_k": 5, "mode": "hybrid", "filter": {"lang": "fa"}, "rerank": true}'

• mode: hybrid (پیش‌فرض: معنایی + کلیدواژه BM25)، dense (فقط معنایی) یا keyword. وزن معنایی با alpha (۰ تا ۱، پیش‌فرض ۰٫۷).
• filter: فیلتر روی metadata؛ مقدار ساده یا عملگرهای $eq، $ne، $gt، $gte، $lt، $lte، $in، $nin.
• rerank: رتبه‌بندی مجدد با مدل زبانی (rerank_model اختیاری) — دقیق‌تر، با هزینه توکن.
• min_score: حذف نتایج کم‌ارتباط. برای چند مجموعه از POST /rag/search با "collections": ["a", "b"] استفاده کنید.

کپیjson{"object": "rag.search_results", "data": [
  {"id": "refund-policy_c1", "doc_id": "refund-policy", "title": "سیاست بازپرداخت", "text": "...",
   "score": 0.8731, "dense_score": 0.8123, "keyword_score": 1.0, "rerank_score": 0.9, "metadata": {"lang": "fa"}}
], "reranked": true, "cost": 12}

۴. پاسخ مستند با ارجاع (RAG کامل)

کپیbashcurl https://lemura.ir/wp-json/lemuraai/v1/rag/collections/support-kb/query \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"query": "مهلت بازپرداخت چند روز است؟", "model": "gpt-4o-mini", "top_k": 6}'

کپیjson{
  "object": "rag.answer", "status": "completed", "model": "gpt-4o-mini",
  "answer": "مهلت درخواست بازپرداخت ۱۴ روز پس از خرید است [1].",
  "citations": [{"index": 1, "source_id": "refund-policy_c1", "doc_id": "refund-policy", "title": "سیاست بازپرداخت", "url": "", "text": "..."}],
  "invalid_citations": 0, "sources": [ ... ],
  "usage": {"prompt_tokens": 1820, "completion_tokens": 64, "embedding_tokens": 14}, "cost": 95
}

• هر تکه با شناسه پایدار (مثل refund-policy_c1) به مدل داده می‌شود و ارجاع‌های مدل با همین شناسه‌ها اعتبارسنجی می‌شوند؛ ارجاع ساختگی حذف و در invalid_citations شمرده می‌شود.
• citation_format: brackets (پیش‌فرض، [1] در متن)، markers (نشانه‌های خام citeid برای رندر سفارشی) یا none.
• messages: تاریخچه گفتگو (نقش‌های user/assistant) برای سوالات پیگیری. instructions: دستور اضافه (لحن، قالب).
• classify: true: اول تشخیص می‌دهد سوال به پایگاه دانش نیاز دارد یا نه (برای سوالات عمومی، بازیابی و هزینه embedding حذف می‌شود).
• max_tokens (پیش‌فرض ۱۵۰۰)، temperature، filter، mode، rerank مثل جستجو.
• status: completed، incomplete (پاسخ به سقف توکن رسید) یا incomplete_no_text (کل بودجه صرف استدلال شد — max_tokens را بیشتر کنید؛ این پاسخ را قابل استفاده فرض نکنید).

پاسخ جریانی (stream)

با "stream": true پاسخ به‌صورت SSE می‌آید: ابتدا منابع بازیابی‌شده، سپس متن پاسخ تکه‌تکه (ارجاع‌ها همان لحظه به [1] تبدیل شده‌اند) و در پایان نتیجهٔ کامل با ارجاع‌های اعتبارسنجی‌شده، مصرف و هزینه.

کپیbashcurl -N https://lemura.ir/wp-json/lemuraai/v1/rag/collections/support-kb/query \
  -H "Authorization: Bearer lsk-YOUR_KEY" -H "Content-Type: application/json" \
  -d '{"query": "مهلت بازپرداخت چند روز است؟", "stream": true}'

data: {"type": "rag.sources", "retrieved": true, "sources": [ ... ]}
data: {"type": "rag.delta", "delta": "مهلت درخواست بازپرداخت "}
data: {"type": "rag.delta", "delta": "۱۴ روز پس از خرید است [1]."}
data: {"type": "rag.completed", "object": "rag.answer", "status": "completed", "answer": "...", "citations": [ ... ], "cost": 95}
data: [DONE]

نمونه Python

کپیpythonimport requests
B = "https://lemura.ir/wp-json/lemuraai/v1"
H = {"Authorization": "Bearer lsk-YOUR_KEY"}
requests.post(B + "/rag/collections/docs/documents", headers=H, json={
    "documents": [{"id": "pricing", "title": "قیمت‌ها", "text": open("pricing.md", encoding="utf-8").read()}]})
r = requests.post(B + "/rag/collections/docs/query", headers=H,
                  json={"query": "پلن سازمانی چه امکاناتی دارد؟", "model": "gpt-4o-mini"}).json()
print(r["answer"])
for c in r["citations"]:
    print(c["index"], c["title"], c["source_id"])

ابزارهای پلتفرم (وب‌سرویس ابزارها)

همهٔ ابزارهای هوش مصنوعی لمورا با همین کلید و همین کیف پول به‌صورت API مستقیم در دسترس است: POST https://lemura.ir/public/v1/tools/<tool_id>. مستندات کامل هر ابزار (پارامترها، نمونه و تعرفه) در وب‌سرویس ابزارها است؛ این فهرست از همان منبع ساخته می‌شود.

صوت

کد

تولید اسناد

مالی

تصویر

پردازش زبان

پردازش فایل

پایگاه دانش (RAG)

ویدیو و انیمیشن

مصورسازی و داده

وب