🧠
Реестр AI Моделей & Архитектура Tales
Матрица ролей, актуальные провайдеры (OpenRouter, fal.ai), тарифы и кандидаты для бенчмарков v0.3
Текстовая LLM
Claude Sonnet 5.5Active
~$0.030 за 3-страничную сказку (OpenRouter)
Vision AI (Глаза/Волосы)
GPT-4o-mini VisionActive
~$0.003 за анализ фото (OpenRouter)
Face ID & Обложка
FLUX.1 PuLIDActive
$0.0333 за кадр (fal.ai, id_weight: 0.70)
Иллюстрации сцен
PuLID / SchnellActive
$0.0333 (с лицом) / $0.0035 (без лица)
✍️
Модуль 1: Storytelling & Prompt Director (Генератор сюжета и промптов)
Отвечает за сочинение доброй колыбельной сказки (RU, TH, EN), убаюкивающий тон и формирование промптов для художников.
Порт: StoryGeneratorPort
| Модель | Статус | Провайдер | Тариф (In / Out за 1M) | Стоимость сказки | SLA Latency | Сильные стороны и компромиссы |
|---|---|---|---|---|---|---|
anthropic/claude-sonnet-5.5 Эталон качества v0.2 | Активна (Active) | OpenRouter | $3.00 / $15.00 | ~$0.0305 | ~10–14 с | Высочайшее качество литературного тайского и русского языков. Идеальное понимание визуальных промптов для Pixar. |
google/gemini-2.0-flash-001 Кандидат оптимизации расходов | Кандидат v0.3 | OpenRouter / Google | $0.10 / $0.40 | ~$0.0008 | ~1.5–3 с | Сверхнизкая стоимость (-97% цены), мгновенная генерация. Требует тестирования тайских вежливых частиц на живых пользователях. |
scb10x/typhoon-2-70b-instruct Тайская национальная модель (SCB 10X) | Ресерч / Тест | OpenRouter / SCB 10X | $0.50 / $1.50 | ~$0.0035 | ~4–7 с | Разработана специально для Таиланда. Лучшее знание местного культурного контекста, фольклора и уважительных форм. |
anthropic/claude-haiku-5.5 Быстрая версия семейства Claude | Кандидат | OpenRouter | $0.80 / $4.00 | ~$0.0080 | ~3–5 с | Быстрый отклик, высокое следование JSON-схеме, компромисс между ценой и качеством. |
👁️
Модуль 2: Vision AI & Color Profiler (Распознавание глаз, волос и кожи)
Анализирует фото со смартфона родителя, определяет натуральный цвет радужки, оттенок волос и кожи, исключая ошибку генерации «чужого» лица.
Сервис: PhotoVisionService
| Модель | Статус | Провайдер | Тариф за запрос | SLA Latency | Результаты и особенности |
|---|---|---|---|---|---|
openai/gpt-4o-mini Текущий выбор Tales | Активна (Active) | OpenRouter | ~$0.0038 | ~1.8–2.5 с | Безошибочно различает светлые глаза (light green / blue-grey), платиновый блонд, каштановые и чёрные волосы. Кэшируется в памяти. |
google/gemini-2.0-flash-001 (Vision) Ультра-дешевая альтернатива | Кандидат v0.3 | OpenRouter / Google | ~$0.0003 | ~0.8–1.2 с | В 10 раз дешевле, практически мгновенный отклик. Требует проверки точности описания редких оттенков глаз при плохом освещении селфи. |
🎨
Модуль 3: Face Consistency & Scene Render (Генерация обложек и страниц)
Синтез персонажа в 3D Pixar стиле с сохранением геометрии лица ребёнка через Flow Matching DiT (FLUX.1).
Порт: ImageGeneratorPort
| Модель & Роль | Статус | Провайдер | Тариф за 1 MP | Себестоимость книги (4 кадра) | SLA Latency | Комментарий архитектора |
|---|---|---|---|---|---|---|
fal-ai/flux-pulid (Обложка + Сцены) InsightFace Antelopev2 + SigLIP DiT | Primary (Активна) | fal.ai | $0.0333 / кадр | ~$0.1332 (~4.6 ฿) | ~3.8–5.5 с | Идеальный баланс сходства и отсутствия Uncanny Valley. id_weight = 0.70. Однократная загрузка фото в fal.storage с кэшированием. |
fal-ai/flux/schnell (Фоны без лица) 4-step distilled FLUX (быстрые сцены) | Active (Без фото) | fal.ai | $0.0035 / кадр | ~$0.0140 (~0.49 ฿) | ~1.2–2.0 с | Используется, когда родитель не загрузил фото, либо для нейтральных пейзажей без персонажа. |
bytedance/flux-pulid (Резерв) Failover вариант | Резерв (Failover) | Replicate | ~$0.0210 / запуск | ~$0.0840 (~2.9 ฿) | ~10–35 с (риск cold-start) | Дешевле при разогретом GPU, но высокий риск задержки холодного старта (до 30 сек). Готов к включению как Circuit Breaker. |
FLUX.1 Kontext Pro (BFL Native) Нативное редактирование Black Forest Labs | Ресерч v0.3 | Together / BFL | ~$0.0400 / кадр | ~$0.1600 (~5.6 ฿) | ~3–6 с | Не требует внешних весов InsightFace, но требует проверки на тайских детях на предмет точности удержания глаз и черт лица. |
🎵
Модуль 4: Audio Narration & Lullaby (Колыбельная озвучка и эмбиент)
Озвучка текста мягким усыпляющим шёпотом с тихим фоновым аккомпанементом колыбельной.
Порт: AudioGeneratorPort (Запланировано)
| Решение | Статус | Провайдер | Тариф | Качество и тембр для сна |
|---|---|---|---|---|
Ambient Bedtime Soundscapes Текущий аудио-фон v0.2 | Активна (Baseline) | Tales Audio CDN | $0.00 | Успокаивающая колыбельная музыка без слов для комфортного засыпания ребёнка под чтение родителя. |
ElevenLabs Reader / Conversational API Золотой стандарт TTS | Кандидат v0.3 | ElevenLabs | ~$0.020–$0.040 за сказку | Безупречная эмоциональность, мягкий шёпот перед сном. Поддерживает многоязычный синтез (EN, RU, TH). |
OpenAI TTS-1-HD Голоса Alloy, Shimmer, Fable | Альтернатива v0.3 | OpenRouter / OpenAI | $0.030 за 1000 знаков (~$0.015) | Ровное спокойное чтение, предсказуемая задержка. |