រូបភាព និងឯកសារ
ផ្ញើរូបភាពជាមួយសារ៖ ម៉ូដែលណាទទួលវា ទម្រង់ដែលទទួលយក និងដែនកំណត់របស់វា។
POST https://api.shannon-ai.com/v1/chat/completions
រូបភាពធ្វើដំណើរក្នុងសារ user ជាផ្នែកមួយនៃ content របស់វា។ គំរូអានឯកសារក្នុងម៉ាស៊ីន ហើយផ្ញើវាជា data URL។
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
}
} ម៉ូដែលណាទទួលរូបភាព
| ម៉ូដែល | អាន |
|---|---|
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro | រូបភាព និងឯកសារ៖ PDF, Word, PowerPoint, Excel និងឯកសារអត្ថបទធម្មតា។ |
shannon-1.6-lite, shannon-1.6-pro | រូបភាព។ |
shannon-2-lite, shannon-2-pro | រូបភាព ក្នុង request ដែលក៏ផ្ញើ tools ឬ response_format ដែរ។ |
Kimi-K3-3BIT-REAP, MiniMax-M3-3BIT-REAP, Kimi-K2.6-W4A16-AUTOROUND-REAP, inkling-W4A16-AUTOROUND-REAP, MiMo-V2.5-W8A16 | រូបភាព។ |
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 | អត្ថបទ។ request ដែលមានរូបភាពត្រូវបានឆ្លើយដោយស្ថានភាព 400។ |
shannon-coder-1 | អត្ថបទ។ |
GET /v1/models រាយការណ៍ image input តាម id ជា capabilities.vision។ ម៉ូដែល និងតម្លៃ
- ម៉ូដែល Shannon អានឯកសារនៃសារ user ចុងក្រោយ។ សូមដាក់រូបភាពក្នុងសារដែលសួរអំពីវា។
- ក្រុម Shannon 3 ក៏រក្សារូបភាព និងឯកសារមួយចំនួនពីសារ user មុនៗក្នុងការមើល នៅពេលពួកវាត្រូវបានផ្ញើជា inline ហើយអានរូបភាពចំនួនអតិបរមាកំណត់មួយក្នុងមួយ request ដោយរាប់ពីរូបភាពដំបូង។
- ម៉ូដែល open-weight ដែលបង្ហោះអានរូបភាពនៃរាល់សារក្នុងការសន្ទនា។
ទម្រង់ដែលទទួលយក
ឯកសារត្រូវបានផ្ញើតាមវិធីមួយក្នុងចំណោមពីរ៖ ក្នុង request ជា base64 ឬជាអាសយដ្ឋានដែល API ទាញយក។ ឯកសារនីមួយៗធ្វើដំណើរជាមួយ request; API មិនមាន endpoint សម្រាប់ upload ទេ។
| Endpoint | ក្នុងខ្លួន request (base64) | តាមអាសយដ្ឋាន |
|---|---|---|
/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://…"}} |
សារ user ដូចគ្នាក្នុងទ្រង់ទ្រាយនីមួយៗ៖
{
"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…"
}
}
]
} - data URL មានទម្រង់
data:<media type>;base64,<data>។ ផ្នែក;base64ត្រូវការ។ - លើ
/v1/chat/completionsនិង/v1/responsesimage_urlអាចជា string ខ្លួនឯង ឬ object{"url": "…"}។ - ប្រភេទឯកសារមកពី data URL ឬពី
media_type។ បើគ្មានវា រូបភាពត្រូវបានអានជាimage/png។ - ឯកសារក្នុងខ្លួនរាប់ចូលក្នុងទំហំខ្លឹមសារ request ដែលអាចមានរហូតដល់ 32 MiB។
- ទទួលយកដើម្បីភាពត្រូវគ្នា៖
image_url.detail។
ដែនកំណត់សម្រាប់ឯកសារពីចម្ងាយ
នៅពេលអ្នកផ្ញើអាសយដ្ឋាន API ទាញយកឯកសារមុនម៉ូដែលដំណើរការ ក្នុងដែនកំណត់ទាំងនេះ៖
| ដែនកំណត់ | ច្បាប់ |
|---|---|
| ទំហំ | រហូតដល់ 8 MiB ក្នុងមួយឯកសារ។ |
| ពេលវេលា | 20 វិនាទីដើម្បីឆ្លើយ។ |
| ការបញ្ជូនបន្ត | ច្រើនបំផុត 5។ |
| អាសយដ្ឋាន | http:// ឬ https:// ដោយគ្មានឈ្មោះអ្នកប្រើ ឬពាក្យសម្ងាត់ក្នុងអាសយដ្ឋាន នៅលើ host ដែលមានអាសយដ្ឋានសាធារណៈ។ |
| ចម្លើយរបស់ host | ស្ថានភាពក្នុងចន្លោះ 200 និងខ្លឹមសារដែលមិនទទេ។ ប្រភេទឯកសារត្រូវបានអានពី Content-Type។ |
| ស្នើជា | User-Agent: ShannonBot/1.0 (+https://shannon-ai.com) |
របៀបដែលរូបភាពត្រូវបានរាប់ជា token
លើម៉ូដែល open-weight ដែលបង្ហោះ រូបភាពរាប់មួយ token សម្រាប់រាល់ patch ទំហំ 28 × 28 pixel៖ ទទឹងចែកនឹង 28 ក្រលេខឡើង គុណនឹងកម្ពស់ចែកនឹង 28 ក្រលេខឡើង។ លទ្ធផលជាផ្នែកមួយនៃ usage.prompt_tokens ហើយត្រូវគិតថ្លៃជា input។
- 1024 × 1024
- 1,369 token
- 1920 × 1080
- 2,691 token
- 512 × 512
- 361 token
- រូបភាពពីចម្ងាយត្រូវបានទាញយកជាមុនសិន ដូច្នេះទំហំពិតរបស់វាត្រូវបានរាប់។
- រូបភាពដែលមិនអាចអានទំហំបានរាប់ជា 1,024 token។
- endpoint រាប់ប្រើច្បាប់ដូចគ្នាសម្រាប់ data URL។ ពួកវាមិនទាញយកអាសយដ្ឋានពីចម្ងាយទេ ហើយរាប់វាជា 1,024 token។ ការរាប់ token
- សម្រាប់ម៉ូដែល Shannon សូមអានថ្លៃនៃ request ដែលមានរូបភាពពី
usageក្នុងចម្លើយ។
ឯកសារ និងឯកសារផ្សេងទៀត
ក្រុម Shannon 3 (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) ក៏អានឯកសារដែរ។ អត្ថបទនៃឯកសារត្រូវបានស្រង់ចេញ ហើយផ្តល់ឱ្យម៉ូដែលជាមួយសាររបស់អ្នក។
| ឯកសារ | ប្រភេទ media |
|---|---|
application/pdf | |
| Word | application/vnd.openxmlformats-officedocument.wordprocessingml.document |
| PowerPoint | application/vnd.openxmlformats-officedocument.presentationml.presentation |
| Excel | application/vnd.openxmlformats-officedocument.spreadsheetml.sheet |
ឯកសារគឺជាផ្នែកមួយនៃសារ user ដូចរូបភាពដែរ៖
| Endpoint | ក្នុងខ្លួន request (base64) | តាមអាសយដ្ឋាន |
|---|---|---|
/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."}
]
}
]
} - សូមផ្តល់ប្រភេទ media ពិតនៃឯកសារ។ បើគ្មានវា ឯកសារត្រូវបានអានជា
application/pdf។ - ឯកសារអត្ថបទធម្មតា ដូចជា CSV ត្រូវបានអានជាអត្ថបទ ហើយភ្ជាប់តាមរបៀបដូចគ្នា។
- នៅពេលមិនអាចអានឯកសារបាន ឬឯកសារមានប្រភេទផ្សេង ម៉ូដែលត្រូវបានប្រាប់ពីរឿងនោះ ហើយអាចនិយាយវាក្នុងចម្លើយរបស់វា។ ស្ថានភាពនៅតែជា
200។ - លើម៉ូដែលផ្សេងទៀតទាំងអស់ ផ្នែកឯកសារត្រូវបានទុកចោលពីអ្វីដែលម៉ូដែលអាន ហើយ request ត្រូវបានឆ្លើយពីផ្នែកដែលនៅសល់។
- ឯកសារដែលផ្ញើតាមអាសយដ្ឋានត្រូវបានទាញយកក្រោមដែនកំណត់សម្រាប់ឯកសារពីចម្ងាយខាងលើ។
កំហុស
| ស្ថានភាព | ប្រភេទ | សារ | ពេលណា |
|---|---|---|---|
400 | invalid_request_error | <id> does not accept image input | រូបភាពត្រូវបានផ្ញើទៅម៉ូដែល open-weight ដែលបង្ហោះ ដែលទទួលតែអត្ថបទ។ គ្មានអ្វីត្រូវបានកាត់ពីសមតុល្យរបស់អ្នកទេ។ |
400 | invalid_request_error | audio and video input are not supported by any hosted model | ផ្នែកសំឡេង ឬវីដេអូត្រូវបានផ្ញើទៅម៉ូដែល open-weight ដែលបង្ហោះ។ |
413 | invalid_request_error | Failed to buffer the request body: … | ខ្លឹមសារ request រួមទាំងឯកសារក្នុងខ្លួន ធំជាង 32 MiB។ កំហុសមាន code: "request_too_large"។ |
ម៉ូដែល Shannon ឆ្លើយដោយស្ថានភាព 200 ទោះ request មានឯកសារអ្វីក៏ដោយ៖ ផ្នែកដែលវាមិនអានត្រូវបានទុកចោល។ ការគ្រប់គ្រងកំហុស