用途：在 Opper 统一网关上调用文本之外的多模态与实时能力，包括图像生成与编辑、语音合成（TTS）与转写（STT）、音乐与音效、视频生成、OCR、文件存储复用、向聊天模型发送图片/PDF，以及基于 WebSocket 的双向语音。所有调用共用 Authorization: Bearer $OPPER_API_KEY，并沿用相同治理与追踪。
主要端点：图像 POST /v3/images（同步，可选 async）；语音 POST /v3/audio/speech；转写 POST /v3/audio/transcriptions（可选 stream）；音乐与音效 POST /v3/audio/generations（/v3/audio/music 为别名）；声音克隆 POST /v3/audio/voices；视频 POST /v3/videos（始终异步，轮询 status_url）；OCR POST /v3/ocr；文件 /v3/files；视觉/PDF 走兼容聊天端点；实时语音 wss://api.opper.ai/v3/realtime，浏览器端用 POST /v3/realtime-sessions 换取一次性 ticket。
模型与参数发现：不要硬编码模型名。用各端点的 models 列表（如 GET /v3/images/models、GET /v3/audio/models?type=tts|stt|music|sound、GET /v3/videos/models、GET /v3/ocr/models、GET /v3/models?capability=vision|pdf、GET /v3/models?type=realtime）确认当前可用能力。端点与字段的权威来源是 https://api.opper.ai/v3/openapi.yaml 或 openapi.json。
通用约定：默认不存储，传 store: true 才写入 Files 并获得 file_id；可用 file_id 在需要媒体输入处复用避免重复上传；parameters 中的内容原样转发给提供商；不支持的能力字段返回 400 而非静默忽略。
限制：能力与模型随提供商变化，需实时查询；部分提供商声音克隆会过期；实时会话受并发数、最长时长与空闲超时限制，余额不足返回 402 结束会话。具体价格、支持平台等未在资料中完整给出。