Entradas multimodais

A entrada multimodal permite que um modelo compatível processe texto, imagens e outros conteúdos juntos. Esta página usa uma solicitação de chat com texto e imagem. Isso não implica que todos os modelos aceitem imagens, áudio ou vídeo.

Escolha um modelo

Antes de enviar uma solicitação, confirme que:

• O modelo aceita imagens como entrada.
• O modelo aceita a interface Chat Completions.
• O formato, a quantidade, o tamanho e a resolução das imagens atendem aos limites.
• A chave de API atual pode acessar o modelo.

Exemplo com texto e imagem

{
  "model": "YOUR_MULTIMODAL_MODEL_ID",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "Descreva o conteúdo principal desta imagem."
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://example.com/image.jpg"
          }
        }
      ]
    }
  ]
}

Esta é uma estrutura compatível de exemplo. O suporte a URLs, dados Base64 ou outros métodos de entrada depende do modelo selecionado.

Prepare uma imagem

Um caminho local ou uma página que exige login no navegador normalmente não pode ser usado como entrada remota de imagem. Não torne público um arquivo privado apenas para chamar a API.

Controle o uso

Imagens podem usar uma forma de medição diferente do texto comum. Remova imagens desnecessárias e histórico repetido e revise o uso de mídia e o custo conforme a documentação do modelo.

Solução de problemas

• A imagem não pode ser lida: confirme que a URL retorna uma imagem e é acessível pelo serviço.
• Formato incompatível: converta o arquivo para um formato aceito em vez de alterar apenas a extensão.
• Solicitação muito grande: comprima, redimensione ou remova imagens.
• Estrutura de resposta diferente: siga a documentação da interface do modelo selecionado.