视觉语言模型
将图像发送至视觉语言模型,以实现理解、描述和分析。
视觉语言模型(VLM)可以同时处理图像和文本输入。在 messages 数组中使用 image_url 内容类型,即可在文本旁边传递图像。
如需查看所有可用模型,请查阅 模型目录
通过 URL 传入图像
通过 Base64 传入图像
多张图像
您可以在单次请求中发送多张图像:
注意事项
- Base64 编码的图像大小最好控制在 1 MB 以内,以避免超时。
- 图像 token 会与文本 token 一起计入计费。
- 视觉输入支持流式输出。
最后更新于