Entradas multimodales

La entrada multimodal permite que un modelo compatible procese texto, imágenes y otros contenidos juntos. Esta página usa una solicitud de chat con texto e imagen. No implica que todos los modelos admitan imágenes, audio o video.

Elija un modelo

Antes de enviar una solicitud, confirme que:

• El modelo admite imágenes como entrada.
• El modelo admite la interfaz Chat Completions.
• El formato, cantidad, tamaño y resolución de las imágenes cumplen sus límites.
• La clave de API actual puede acceder al modelo.

Ejemplo con texto e imagen

{
  "model": "YOUR_MULTIMODAL_MODEL_ID",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "Describa el contenido principal de esta imagen."
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://example.com/image.jpg"
          }
        }
      ]
    }
  ]
}

Esta es una estructura compatible de ejemplo. La compatibilidad con URL, datos Base64 u otros métodos de entrada depende del modelo seleccionado.

Prepare una imagen

Una ruta local o una página que exige iniciar sesión en el navegador normalmente no sirve como entrada de imagen remota. No haga público un archivo privado solo para llamar a la API.

Controle el uso

Las imágenes pueden medirse de forma distinta al texto normal. Elimine imágenes innecesarias e historial repetido y revise el uso multimedia y su costo según la documentación del modelo.

Solución de problemas

• No se puede leer la imagen: confirme que la URL devuelve una imagen y es accesible desde el servicio.
• Formato no admitido: convierta el archivo a un formato compatible en lugar de cambiar solo la extensión.
• Solicitud demasiado grande: comprima, redimensione o elimine imágenes.
• Estructura de respuesta diferente: siga la documentación de la interfaz del modelo seleccionado.