視覺理解

诺玛AI 支援多模態模型的視覺輸入,可以分析影像、截圖、

支援的模型#

模型

影像

影片

說明

`openai/gpt-4o`

高質量影像分析

`openai/gpt-4o-mini`

快速影像分析

`anthropic/claude-sonnet-4.6`

強大的文件和程式碼理解

`google/gemini-pro-compatible-flash-lite-preview`

多模態全能

`google/gemini-pro-compatible-pro-preview`

最強多模態推理

影像分析#

透過 URL 傳送影像

cURL

程式碼
curl https://as.apinoma.com/v1/chat/completions \
  -H "Authorization: Bearer $APINOMA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/gpt-4o",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "描述這張圖片的內容"},
        {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
      ]
    }]
  }'

Python

TypeScript

透過 Base64 傳送影像

適用於本地檔案或截圖場景:

影像細節級別#

透過 `detail` 引數控制分析精度:

說明

適用場景

`auto`

自動選擇(預設)

一般場景

`low`

低精度,更快速

簡單分類、標籤識別

`high`

高精度,更詳細

文件 OCR、細節分析

程式碼
{
    "type": "image_url",
    "image_url": {
        "url": "https://example.com/document.jpg",
        "detail": "high"  # 高精度模式
    }
}

多圖對比#

可以在一個請求中傳送多張圖片:

程式碼
response = client.chat.completions.create(
    model="openai/gpt-4o",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "比較這兩張圖片的區別"},
            {"type": "image_url", "image_url": {"url": "https://example.com/before.jpg"}},
            {"type": "image_url", "image_url": {"url": "https://example.com/after.jpg"}}
        ]
    }]
)

Anthropic 協議的視覺輸入#

程式碼
import anthropic
 
client = anthropic.Anthropic(
    base_url="https://as.apinoma.com/anthropic",
    api_key="<你的 APINOMA_API_KEY>"
)
 
message = client.messages.create(
    model="anthropic/claude-sonnet-4.6",
    max_tokens=1024,
    messages=[{
        "role": "user",
        "content": [
            {
                "type": "image",
                "source": {
                    "type": "base64",
                    "media_type": "image/jpeg",
                    "data": image_data
                }
            },
            {"type": "text", "text": "描述這張圖片"}
        ]
    }]
)

常見用例#

  • 表格
  • 程式碼截圖分析 — 分析截圖中的程式碼並提供修改建議
  • UI 審查 — 分析介面設計和佈局
  • 圖表解讀 — 分析資料圖表和視覺化內容
  • 產品識別 — 識別圖片中的物體和場景

最後更新於 2026 年 6 月 23 日