सामग्रीमा जानुहोस्
छवि र फाइलहरू

छवि र फाइलहरू

सन्देशसँग छवि पठाउनुहोस्: कुन मोडलले लिन्छ, स्वीकृत रूपहरू र तिनका सीमाहरू।

POST https://api.shannon-ai.com/v1/chat/completions

छवि प्रयोगकर्ता सन्देशभित्र, यसको content को एउटा भागका रूपमा जान्छ। नमूनाले स्थानीय फाइल पढ्छ र डेटा URL का रूपमा पठाउँछ।

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)
200 JSON
{
  "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
  }
}

कुन मोडलले छवि लिन्छ

मोडलहरू पढ्छ
shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro छविहरू, र कागजातहरू: PDF, Word, PowerPoint, Excel र प्लेन-टेक्स्ट फाइलहरू।
shannon-1.6-lite, shannon-1.6-pro छविहरू।
shannon-2-lite, shannon-2-pro tools वा response_format पनि पठाउने अनुरोधमा छविहरू।
Kimi-K3-3BIT-REAP, MiniMax-M3-3BIT-REAP, Kimi-K2.6-W4A16-AUTOROUND-REAP, inkling-W4A16-AUTOROUND-REAP, MiMo-V2.5-W8A16 छविहरू।
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 टेक्स्ट। छवि भएको अनुरोधलाई स्टेटस 400 सहित जवाफ दिइन्छ।
shannon-coder-1 टेक्स्ट।

GET /v1/models ले छवि इनपुटलाई प्रति id capabilities.vision का रूपमा रिपोर्ट गर्छ। मोडल र मूल्य

  • Shannon मोडलहरूले अन्तिम प्रयोगकर्ता सन्देशका फाइल पढ्छन्। छवि बारेमा सोध्ने सन्देशमै राख्नुहोस्।
  • Shannon 3 परिवारले इनलाइन पठाइएका अघिल्ला प्रयोगकर्ता सन्देशहरूका केही छवि र कागजात पनि दृष्टिमा राख्छ, र पहिलोबाट गनेर प्रति अनुरोध तोकिएको अधिकतम संख्याका छवि पढ्छ।
  • होस्ट गरिएका ओपन-वेट मोडलहरूले कुराकानीको हरेक सन्देशका छवि पढ्छन्।

स्वीकृत रूपहरू

फाइल दुई तरिकामध्ये एकमा पठाइन्छ: अनुरोधभित्र base64 को रूपमा, वा API ले ल्याउने ठेगानाको रूपमा। हरेक फाइल अनुरोधसँगै जान्छ; API मा अपलोड इन्डपोइन्ट छैन।

इन्डपोइन्ट अनुरोधभित्र (base64) ठेगानाद्वारा
/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://…"}}

हरेक ढाँचामा उही प्रयोगकर्ता सन्देश:

{
  "role": "user",
  "content": [
    {"type": "text", "text": "What is in this picture?"},
    {
      "type": "image_url",
      "image_url": {
        "url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQAAAQABAAD…"
      }
    }
  ]
}
  • डेटा URL को ढाँचा data:<media type>;base64,<data> हो। ;base64 भाग आवश्यक छ।
  • /v1/chat/completions र /v1/responses मा image_url स्ट्रिङ आफैं वा {"url": "…"} अब्जेक्ट हुन सक्छ।
  • फाइल प्रकार डेटा URL वा media_type बाट आउँछ। नभए छवि image/png का रूपमा पढिन्छ।
  • इनलाइन फाइलहरू अनुरोध बडीको आकारमा गनिन्छन्, जुन 32 MiB सम्म हुन सक्छ।
  • अनुकूलताका लागि स्वीकार गरिन्छ: image_url.detail।

रिमोट फाइलका सीमाहरू

तपाईंले ठेगाना पठाउँदा, मोडल चल्नु अघि API ले यी सीमाभित्र फाइल ल्याउँछ:

सीमा नियम
आकार प्रति फाइल 8 MiB सम्म।
समय जवाफ दिन 20 सेकेन्ड।
रिडाइरेक्टहरू बढीमा 5।
ठेगाना http:// वा https://, ठेगानामा प्रयोगकर्ता नाम वा पासवर्ड बिना, सार्वजनिक ठेगाना भएको होस्टमा।
होस्टको जवाफ 200 दायराको स्टेटस र खाली नभएको बडी। फाइल प्रकार Content-Type बाट पढिन्छ।
यसको रूपमा माग गरिन्छ User-Agent: ShannonBot/1.0 (+https://shannon-ai.com)

छविहरू टोकनमा कसरी गनिन्छन्

होस्ट गरिएका ओपन-वेट मोडलहरूमा छवि हरेक 28 × 28 पिक्सेल प्याचका लागि एक टोकन गनिन्छ: चौडाइलाई 28 ले भाग गरी माथि पुर्‍याइएको, गुणा उचाइलाई 28 ले भाग गरी माथि पुर्‍याइएको। नतिजा usage.prompt_tokens को हिस्सा हो र इनपुटका रूपमा बिल गरिन्छ।

1024 × 1024
1,369 टोकन
1920 × 1080
2,691 टोकन
512 × 512
361 टोकन
  • रिमोट छवि पहिले ल्याइन्छ, त्यसैले यसको वास्तविक आकार गनिन्छ।
  • आकार पढ्न नसकिने छवि 1,024 टोकन गनिन्छ।
  • गणना इन्डपोइन्टहरूले डेटा URL का लागि उही नियम प्रयोग गर्छन्। तिनीहरूले रिमोट ठेगाना ल्याउँदैनन् र त्यसलाई 1,024 टोकन गन्छन्। टोकन गणना
  • Shannon मोडलका लागि, छवि भएको अनुरोधको लागत जवाफको usage बाट पढ्नुहोस्।

कागजात र अन्य फाइलहरू

Shannon 3 परिवार (shannon-3, shannon-3-pro, shannon-3.1, shannon-3.1-pro) ले कागजातहरू पनि पढ्छ। कागजातको टेक्स्ट निकालेर तपाईंको सन्देशसँगै मोडललाई दिइन्छ।

कागजात मिडिया प्रकार
PDF application/pdf
Word application/vnd.openxmlformats-officedocument.wordprocessingml.document
PowerPoint application/vnd.openxmlformats-officedocument.presentationml.presentation
Excel application/vnd.openxmlformats-officedocument.spreadsheetml.sheet

कागजात छवि जस्तै प्रयोगकर्ता सन्देशको एउटा भाग हो:

इन्डपोइन्ट अनुरोधभित्र (base64) ठेगानाद्वारा
/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."}
      ]
    }
  ]
}
  • फाइलको वास्तविक मिडिया प्रकार दिनुहोस्। नदिए कागजात application/pdf का रूपमा पढिन्छ।
  • CSV जस्तो प्लेन-टेक्स्ट फाइल टेक्स्टका रूपमा पढिन्छ र त्यसै तरिकाले संलग्न गरिन्छ।
  • कागजात पढ्न नसकिँदा, वा फाइल अर्को प्रकारको हुँदा, मोडललाई त्यो बताइन्छ र यसले आफ्नो उत्तरमा भन्न सक्छ। स्टेटस तैपनि 200 हुन्छ।
  • अरू हरेक मोडलमा कागजात भाग मोडलले पढ्ने कुराबाट छुट्छ, र अनुरोधको जवाफ बाँकी भागबाट दिइन्छ।
  • ठेगानाद्वारा पठाइएको कागजात माथिको रिमोट फाइलका सीमाहरूमा ल्याइन्छ।

त्रुटिहरू

स्थिति प्रकार सन्देश कहिले
400 invalid_request_error <id> does not accept image input टेक्स्ट मात्र लिने होस्ट गरिएको ओपन-वेट मोडलमा छवि पठाइयो। तपाईंको ब्यालेन्सबाट केही घटाइँदैन।
400 invalid_request_error audio and video input are not supported by any hosted model होस्ट गरिएको ओपन-वेट मोडलमा अडियो वा भिडियो भाग पठाइयो।
413 invalid_request_error Failed to buffer the request body: … इनलाइन फाइलहरूसहित अनुरोध बडी 32 MiB भन्दा ठूलो छ। त्रुटिमा code: "request_too_large" हुन्छ।

Shannon मोडलले अनुरोधमा जस्तोसुकै फाइल भए पनि स्टेटस 200 सहित जवाफ दिन्छ: नपढिने भाग छुट्छ। त्रुटि व्यवस्थापन