ইমেজ ও ফাইল
মেসেজের সাথে ইমেজ পাঠান: কোন মডেল নেয়, গ্রহণযোগ্য রূপ ও তার সীমা।
POST https://api.shannon-ai.com/v1/chat/completions
ইমেজ যায় ইউজার মেসেজের ভেতরে, তার content-এর একটি অংশ হিসেবে। নমুনাটি একটি লোকাল ফাইল পড়ে ডেটা URL হিসেবে পাঠায়।
import base64
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.shannon-ai.com/v1")
with open("photo.jpg", "rb") as f:
image = base64.b64encode(f.read()).decode()
response = client.chat.completions.create(
model="shannon-3",
messages=[{
"role": "user",
"content": [
{"type": "text", "text": "What is in this picture?"},
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64," + image}},
],
}],
)
print(response.choices[0].message.content) import fs from "node:fs";
import OpenAI from "openai";
const client = new OpenAI({ apiKey: "YOUR_API_KEY", baseURL: "https://api.shannon-ai.com/v1" });
const image = fs.readFileSync("photo.jpg").toString("base64");
const response = await client.chat.completions.create({
model: "shannon-3",
messages: [{
role: "user",
content: [
{ type: "text", text: "What is in this picture?" },
{ type: "image_url", image_url: { url: "data:image/jpeg;base64," + image } },
],
}],
});
console.log(response.choices[0].message.content); # Linux: base64 -w0 photo.jpg macOS: base64 -i photo.jpg
IMAGE=$(base64 -w0 photo.jpg)
curl https://api.shannon-ai.com/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d @- <<EOF
{
"model": "shannon-3",
"messages": [{
"role": "user",
"content": [
{"type": "text", "text": "What is in this picture?"},
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,${IMAGE}"}}
]
}]
}
EOF {
"id": "chatcmpl-8d1f3a5c7e9b4d2f6a8c0e2b4d6f8a1c",
"object": "chat.completion",
"created": 1791590400,
"model": "shannon-3",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "A grey cat asleep on a windowsill, with a potted fern beside it.",
"reasoning_content": null
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 286,
"completion_tokens": 19,
"total_tokens": 305
}
} কোন মডেল ইমেজ নেয়
| মডেল | পড়ে |
|---|---|
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro | ইমেজ এবং ডকুমেন্ট: PDF, Word, PowerPoint, Excel ও প্লেইন-টেক্সট ফাইল। |
shannon-1.6-lite, shannon-1.6-pro | ইমেজ। |
shannon-2-lite, shannon-2-pro | ইমেজ, যেসব রিকোয়েস্ট tools বা response_format-ও পাঠায় সেগুলোতেও। |
Kimi-K3-3BIT-REAP, MiniMax-M3-3BIT-REAP, Kimi-K2.6-W4A16-AUTOROUND-REAP, inkling-W4A16-AUTOROUND-REAP, MiMo-V2.5-W8A16 | ইমেজ। |
DeepSeek-V4-Pro-0813-3BIT-REAP, GLM-5.2-3BIT-REAP, Nemotron3Ultra-3BIT-REAP, DeepSeek-V4-Flash-0731-W4A16-AUTOROUND-REAP, Laguna-S-2.1-W4A16-AUTOROUND-REAP, MiMo-V2.5-Pro-W8A16, Hy3-W8A16 | টেক্সট। ইমেজসহ রিকোয়েস্টের উত্তরে স্ট্যাটাস 400 আসে। |
shannon-coder-1 | টেক্সট। |
GET /v1/models প্রতিটি id-র ইমেজ ইনপুট capabilities.vision হিসেবে জানায়। মডেল ও মূল্য
- Shannon মডেল শেষ ইউজার মেসেজের ফাইল পড়ে। যে মেসেজে ইমেজ নিয়ে প্রশ্ন করছেন, ইমেজটি সেই মেসেজেই রাখুন।
- Shannon 3 পরিবার আগের ইউজার মেসেজের কয়েকটি ইমেজ ও ডকুমেন্টও নজরে রাখে, যদি সেগুলো ইনলাইন পাঠানো হয়ে থাকে, এবং প্রতি রিকোয়েস্টে প্রথম থেকে গুনে একটি নির্দিষ্ট সর্বোচ্চ সংখ্যক ইমেজ পড়ে।
- হোস্টেড ওপেন-ওয়েট মডেল কথোপকথনের প্রতিটি মেসেজের ইমেজ পড়ে।
গ্রহণযোগ্য রূপ
ফাইল পাঠানো যায় দুইভাবে: রিকোয়েস্টের ভেতরে base64 হিসেবে, অথবা এমন একটি ঠিকানা হিসেবে যা API নিজে আনে। প্রতিটি ফাইল রিকোয়েস্টের সাথেই যায়; API-তে কোনো আপলোড এন্ডপয়েন্ট নেই।
| এন্ডপয়েন্ট | রিকোয়েস্টের ভেতরে (base64) | ঠিকানা দিয়ে |
|---|---|---|
/v1/chat/completions | {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,…"}} | {"type": "image_url", "image_url": {"url": "https://…"}} |
/v1/responses | {"type": "input_image", "image_url": "data:image/jpeg;base64,…"} | {"type": "input_image", "image_url": "https://…"} |
/v1/messages | {"type": "image", "source": {"type": "base64", "media_type": "image/jpeg", "data": "…"}} | {"type": "image", "source": {"type": "url", "url": "https://…"}} |
প্রতিটি ফরম্যাটে একই ইউজার মেসেজ:
{
"role": "user",
"content": [
{"type": "text", "text": "What is in this picture?"},
{
"type": "image_url",
"image_url": {
"url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQAAAQABAAD…"
}
}
]
} {
"role": "user",
"content": [
{"type": "input_text", "text": "What is in this picture?"},
{
"type": "input_image",
"image_url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQAAAQABAAD…"
}
]
} {
"role": "user",
"content": [
{"type": "text", "text": "What is in this picture?"},
{
"type": "image",
"source": {
"type": "base64",
"media_type": "image/jpeg",
"data": "/9j/4AAQSkZJRgABAQAAAQABAAD…"
}
}
]
} - ডেটা URL-এর রূপ
data:<media type>;base64,<data>।;base64অংশটি আবশ্যক। /v1/chat/completionsও/v1/responses-এimage_urlহতে পারে সরাসরি string, অথবা একটি অবজেক্ট{"url": "…"}।- ফাইলের ধরন আসে ডেটা URL বা
media_typeথেকে। কোনোটি না থাকলে ইমেজimage/pngহিসেবে পড়া হয়। - ইনলাইন ফাইল রিকোয়েস্ট বডির আকারে গণনা হয়, যা 32 MiB পর্যন্ত হতে পারে।
- সামঞ্জস্যের জন্য গ্রহণ করা হয়:
image_url.detail।
দূরবর্তী ফাইলের সীমা
আপনি ঠিকানা পাঠালে মডেল চলার আগে API ফাইলটি এনে নেয়, এই সীমার মধ্যে:
| সীমা | নিয়ম |
|---|---|
| আকার | প্রতি ফাইলে 8 MiB পর্যন্ত। |
| সময় | উত্তর দিতে 20 সেকেন্ড। |
| রিডিরেক্ট | সর্বোচ্চ 5টি। |
| ঠিকানা | http:// বা https://, ঠিকানায় ইউজারনেম বা পাসওয়ার্ড ছাড়া, পাবলিক ঠিকানাযুক্ত হোস্টে। |
| হোস্টের উত্তর | 200 রেঞ্জের একটি স্ট্যাটাস এবং খালি নয় এমন বডি। ফাইলের ধরন Content-Type থেকে পড়া হয়। |
| যে পরিচয়ে অনুরোধ করা হয় | User-Agent: ShannonBot/1.0 (+https://shannon-ai.com) |
ইমেজ tokens-এ কীভাবে গণনা হয়
হোস্টেড ওপেন-ওয়েট মডেলে প্রতি 28 × 28 পিক্সেলের প্যাচ একটি ইমেজ token: প্রস্থকে 28 দিয়ে ভাগ করে ওপরের দিকে পূর্ণ করা, গুণ উচ্চতাকে 28 দিয়ে ভাগ করে ওপরের দিকে পূর্ণ করা। ফলাফল usage.prompt_tokens-এর অংশ এবং ইনপুট হিসেবে বিল হয়।
- 1024 × 1024
- 1,369 tokens
- 1920 × 1080
- 2,691 tokens
- 512 × 512
- 361 tokens
- দূরবর্তী ইমেজ আগে আনা হয়, তাই তার প্রকৃত আকার গণনা হয়।
- যে ইমেজের আকার পড়া যায় না তা 1,024 tokens ধরা হয়।
- গণনার এন্ডপয়েন্টগুলো ডেটা URL-এর জন্য একই নিয়ম ব্যবহার করে। তারা দূরবর্তী ঠিকানা আনে না এবং সেটিকে 1,024 tokens ধরে। Token গণনা
- Shannon মডেলে ইমেজসহ রিকোয়েস্টের খরচ কত হলো তা উত্তরের
usageথেকে পড়ুন।
ডকুমেন্ট ও অন্যান্য ফাইল
Shannon 3 পরিবার (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) ডকুমেন্টও পড়ে। ডকুমেন্টের টেক্সট বের করে আপনার বার্তার সাথে মডেলকে দেওয়া হয়।
| ডকুমেন্ট | মিডিয়া টাইপ |
|---|---|
application/pdf | |
| Word | application/vnd.openxmlformats-officedocument.wordprocessingml.document |
| PowerPoint | application/vnd.openxmlformats-officedocument.presentationml.presentation |
| Excel | application/vnd.openxmlformats-officedocument.spreadsheetml.sheet |
ইমেজের মতো ডকুমেন্টও ইউজার মেসেজের একটি অংশ:
| এন্ডপয়েন্ট | রিকোয়েস্টের ভেতরে (base64) | ঠিকানা দিয়ে |
|---|---|---|
/v1/chat/completions, /v1/messages | {"type": "document", "source": {"type": "base64", "media_type": "application/pdf", "data": "…"}} | {"type": "document", "source": {"type": "url", "url": "https://…"}} |
/v1/responses | {"type": "input_file", "file_data": "data:application/pdf;base64,…"} | {"type": "input_file", "file_url": "https://…"} |
{
"model": "shannon-3",
"messages": [
{
"role": "user",
"content": [
{
"type": "document",
"source": {
"type": "base64",
"media_type": "application/pdf",
"data": "JVBERi0xLjcKJeLjz9MK…"
}
},
{"type": "text", "text": "Summarise this report in five points."}
]
}
]
} {
"model": "shannon-3",
"input": [
{
"role": "user",
"content": [
{
"type": "input_file",
"file_data": "data:application/pdf;base64,JVBERi0xLjcKJeLjz9MK…"
},
{
"type": "input_text",
"text": "Summarise this report in five points."
}
]
}
]
} {
"model": "shannon-3",
"messages": [
{
"role": "user",
"content": [
{
"type": "document",
"source": {
"type": "base64",
"media_type": "application/pdf",
"data": "JVBERi0xLjcKJeLjz9MK…"
}
},
{"type": "text", "text": "Summarise this report in five points."}
]
}
]
} - ফাইলের প্রকৃত মিডিয়া টাইপ দিন। না দিলে ডকুমেন্ট
application/pdfহিসেবে পড়া হয়। - CSV-র মতো প্লেইন-টেক্সট ফাইল টেক্সট হিসেবে পড়া হয় এবং একইভাবে যুক্ত হয়।
- ডকুমেন্ট পড়া না গেলে, বা ফাইলটি অন্য ধরনের হলে, মডেলকে তা জানানো হয় এবং সে উত্তরে সেটি বলতে পারে। স্ট্যাটাস তবু
200। - অন্য প্রতিটি মডেলে ডকুমেন্ট অংশটি মডেলের পড়ার বিষয় থেকে বাদ যায়, এবং রিকোয়েস্টের বাকি অংশ থেকে উত্তর দেওয়া হয়।
- ঠিকানা দিয়ে পাঠানো ডকুমেন্ট ওপরের দূরবর্তী ফাইলের সীমা মেনে আনা হয়।
এরর
| স্ট্যাটাস | টাইপ | বার্তা | কখন |
|---|---|---|---|
400 | invalid_request_error | <id> does not accept image input | শুধু টেক্সট নেয় এমন একটি হোস্টেড ওপেন-ওয়েট মডেলকে ইমেজ পাঠানো হয়েছে। আপনার ব্যালেন্স থেকে কিছু কাটা হয় না। |
400 | invalid_request_error | audio and video input are not supported by any hosted model | একটি হোস্টেড ওপেন-ওয়েট মডেলকে অডিও বা ভিডিও অংশ পাঠানো হয়েছে। |
413 | invalid_request_error | Failed to buffer the request body: … | ইনলাইন ফাইলসহ রিকোয়েস্ট বডি 32 MiB-এর চেয়ে বড়। এররে code: "request_too_large" থাকে। |
রিকোয়েস্টে যে ফাইলই থাকুক, Shannon মডেল স্ট্যাটাস 200 দিয়ে উত্তর দেয়: যে অংশ সে পড়ে না তা বাদ পড়ে। এরর হ্যান্ডলিং