• 简体中文
  • 视觉理解(多模态:图片 / 视频)

    看图、看视频对话与文本对话使用同一个端点 /v1/chat/completions:把 content 从字符串改为数组,在其中混合文字与图片 / 视频即可。可用模型与价格以 模型广场 为准(名称带 vl / vision / omni 的多为视觉模型),下文以 qwen3-vl-flash 为例。

    传参方式

    图片、视频均支持两种传参方式,通过 type 区分素材类型:图片用 image_url,视频用 video_url(部分模型才支持):

    素材type 取值公网 URL 方式Base64 方式
    图片image_url{ "url": "https://example.com/photo.jpg" }{ "url": "data:image/jpeg;base64,/9j/4AA..." }
    视频video_url{ "url": "https://example.com/clip.mp4" }{ "url": "data:video/mp4;base64,AAAAIG..." }

    即一条多模态消息的 content 数组长这样:

    {
      "role": "user",
      "content": [
        { "type": "text", "text": "你的问题" },
        {
          "type": "image_url",
          "image_url": { "url": "https://example.com/photo.jpg" }
        },
        {
          "type": "video_url",
          "video_url": { "url": "https://example.com/clip.mp4" }
        }
      ]
    }
    • 公网 URL:文件已有外链时最简单,推荐优先使用
    • Base64 data URL:本地文件需自行读取并编码为 data:<mime>;base64,<数据> 形式;注意请求体会很大,视频尤其明显

    参数汇总

    不同视觉模型的参数支持不完全一致,汇总如下(✅ = 通用,⚠️ = 部分模型支持):

    参数说明通用性
    model / messages / stream同文本对话,见其请求字段表✅ 所有模型
    temperature / max_tokens采样温度 / 回复长度上限✅ 绝大多数模型
    content 数组 + type: "text"文字片段✅ 所有视觉模型
    type: "image_url"(URL 或 Base64)图片输入✅ 所有视觉模型
    type: "video_url"(URL 或 Base64)视频输入⚠️ 仅部分模型支持
    thinking(如 "thinking": {"type": "enabled"})开启思考过程,回复中返回推理内容⚠️ 仅部分模型支持,开关写法随模型而异
    reasoning_effort(如 "low" / "medium" / "high")思考深度档位,控制推理耗时与效果⚠️ 仅部分模型支持,可选值随模型而异
    IMPORTANT

    各家视觉模型参数并不统一:例如 doubao-seed-2-0-pro-260215、deepseek-v4-flash-vision-exp、Kimi K3 三者在是否支持视频输入、是否有 thinking / reasoning_effort 参数及取值范围上就各不相同。传入模型不支持的参数可能被忽略或直接报错。哪个模型支持哪种传参,以 模型广场 模型详情与你的实测为准——用下方示例换着模型名试一遍即可确认。

    图片理解示例

    cURL
    Python (openai)
    Node.js (openai)
    curl https://api-model.shuntianchuang.cn/v1/chat/completions \
      -H "Content-Type: application/json" \
      -H "Authorization: Bearer sk-你的令牌" \
      -d '{
        "model": "qwen3-vl-flash",
        "messages": [
          {
            "role": "user",
            "content": [
              { "type": "text", "text": "用一句话描述这张图片" },
              { "type": "image_url", "image_url": { "url": "https://example.com/photo.jpg" } }
            ]
          }
        ]
      }'

    Base64 方式只需把 url 换成 data URL:

    # 本地图片编码后内联传入(macOS 用 base64 -i,Linux 用 base64 -w 0)
    IMG=$(base64 -i photo.jpg)
    curl https://api-model.shuntianchuang.cn/v1/chat/completions \
      -H "Content-Type: application/json" \
      -H "Authorization: Bearer sk-你的令牌" \
      -d '{
        "model": "qwen3-vl-flash",
        "messages": [
          {
            "role": "user",
            "content": [
              { "type": "text", "text": "用一句话描述这张图片" },
              { "type": "image_url", "image_url": { "url": "data:image/jpeg;base64,'" "$IMG" '" } }
            ]
          }
        ]
      }'

    视频理解示例

    视频把 type 换成 video_url 即可,其余结构不变。注意仅部分模型支持视频输入,报错或忽略即说明当前模型不支持,换带视频能力的模型再试:

    cURL
    Python (openai)
    Node.js (openai)
    curl https://api-model.shuntianchuang.cn/v1/chat/completions \
      -H "Content-Type: application/json" \
      -H "Authorization: Bearer sk-你的令牌" \
      -d '{
        "model": "doubao-seed-2-0-pro-260215",
        "messages": [
          {
            "role": "user",
            "content": [
              { "type": "text", "text": "总结这个视频的内容" },
              { "type": "video_url", "video_url": { "url": "https://example.com/clip.mp4" } }
            ]
          }
        ]
      }'
    TIP

    图片和视频都会消耗较多输入 token(与分辨率 / 时长相关),高频场景注意控制素材大小以节省费用。