تصویر (vision)

فرستادن تصویر با URL یا base64، و کدام مدل‌ها پشتیبانی می‌کنند.

مدل‌هایی که ورودی تصویر را پشتیبانی می‌کنند، تصویر را داخل همان آرایهٔ messages می‌گیرند. در صفحهٔ هر مدل، بخش «ورودی و خروجی» می‌گوید image را می‌پذیرد یا نه.

Python

resp = client.chat.completions.create(
    model="openai/gpt-4o-mini",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "در این تصویر چه می‌بینی؟"},
            {"type": "image_url", "image_url": {"url": "https://example.com/x.jpg"}},
        ],
    }],
)

base64

برای تصویر محلی، به‌جای URL از data URI استفاده کنید:

Python

import base64
b64 = base64.b64encode(open("x.jpg", "rb").read()).decode()
image_url = {"url": f"data:image/jpeg;base64,{b64}"}

تصویر توکن مصرف می‌کند و تصویر بزرگ توکن زیادی مصرف می‌کند. پیش از ارسال، اندازه را به چیزی که واقعاً لازم دارید کاهش دهید — یک عکس ۴۰۰۰ پیکسلی معمولاً همان جواب را با چند برابر هزینه می‌دهد.