多模態輸入
在同一則使用者訊息中傳送文字和圖片內容。
多模態輸入讓支援該能力的模型同時處理文字和圖片等內容。本頁以圖文聊天請求為例,不表示所有模型都支援圖片、音訊或影片。
選擇模型
呼叫前請在模型目錄中確認:
- 模型支援圖片輸入。
- 模型支援聊天補全介面。
- 圖片格式、數量、大小和解析度符合限制。
- 目前的 API Key 可以存取該模型。
圖文訊息範例
{
"model": "YOUR_MULTIMODAL_MODEL_ID",
"messages": [
{
"role": "user",
"content": [
{
"type": "text",
"text": "請描述圖片中的主要內容。"
},
{
"type": "image_url",
"image_url": {
"url": "https://example.com/image.jpg"
}
}
]
}
]
}這是相容結構範例。URL、Base64 或其他輸入方式是否可用,以所選模型的說明為準。
準備圖片
| 檢查項目 | 說明 |
|---|---|
| 可存取性 | 圖片位址必須能被執行請求的服務存取 |
| 檔案格式 | 使用模型明確支援的 MIME 類型 |
| 檔案大小 | 不要超過單張圖片和請求本文總大小的限制 |
| 圖片數量 | 不要超過單次請求允許的數量 |
| 資料權限 | 確認你有權提交和處理圖片內容 |
本機檔案路徑或需要在瀏覽器登入的網頁位址,通常不能直接作為遠端圖片輸入。不要為了呼叫 API 而隨意公開私密檔案。
控制用量
圖片可能採用不同於一般文字的計量規則。刪除不必要的圖片和重複的歷史訊息,並依照模型說明核對媒體用量和費用。
常見問題
- 無法讀取圖片:檢查位址是否回傳真實圖片,以及伺服器端是否可以存取。
- 格式不支援:轉換為模型支援的格式,不要只修改副檔名。
- 請求過大:壓縮、縮小或減少圖片數量。
- 回應結構不同:依照所選模型的介面說明讀取結果。