Vision

Analysez des images avec les modèles de chat Venice compatibles avec la vision en utilisant du contenu de message multimodal dans l’API de complétions de chat compatible OpenAI.

Les modèles de vision peuvent analyser des images en même temps que des invites textuelles. Utilisez-les pour la compréhension d’images, l’extraction, la classification, la réponse aux questions visuelles et le raisonnement multimodal.

Venice prend en charge les messages de chat multimodaux compatibles OpenAI. Placez des blocs de texte et d’image dans le même message utilisateur, puis envoyez la requête à un modèle compatible avec la vision.

​

Utilisation de base

Python

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["VENICE_API_KEY"],
    base_url="https://api.venice.ai/api/v1",
)

response = client.chat.completions.create(
    model="qwen3-vl-235b-a22b",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Describe this image in three bullets."},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://www.gstatic.com/webp/gallery/1.jpg"
                    },
                },
            ],
        }
    ],
)

print(response.choices[0].message.content)

​

Utiliser des images en base64

Vous pouvez également transmettre une URL de données en base64 lorsque l’image est locale ou privée :

{
  "type": "image_url",
  "image_url": {
    "url": "data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAA..."
  }
}

​

Envoyer plusieurs images

content est un tableau de blocs, de sorte qu’un seul message utilisateur peut inclure plusieurs blocs image_url en plus du texte. Utilisez cela pour comparer des images ou poser des questions portant sur plusieurs images :

{
  "model": "qwen3-vl-235b-a22b",
  "messages": [
    {
      "role": "user",
      "content": [
        {"type": "text", "text": "Comparez ces deux images et listez les différences."},
        {
          "type": "image_url",
          "image_url": {"url": "https://example.com/first.jpg"}
        },
        {
          "type": "image_url",
          "image_url": {"url": "https://example.com/second.jpg"}
        }
      ]
    }
  ]
}

Chaque image consomme des tokens de contexte. Si une requête contenant plusieurs images renvoie TOO_MANY_TOKENS (HTTP 400), réduisez le nombre d’images, raccourcissez vos instructions ou passez à un modèle disposant d’une fenêtre de contexte plus grande.

​

Choisir un modèle de vision

Consultez la page Modèles de texte ou l’API Models pour trouver les modèles qui prennent en charge la vision. La prise en charge de la vision est indiquée dans les capacités du modèle.

Pour les entrées de type document, utilisez les Entrées de fichier lorsque vous souhaitez que Venice extraie le texte d’un fichier. Utilisez la vision lorsque la mise en page visuelle ou le contenu de l’image lui-même est important.

​

Conseils de rédaction d’invites

• Indiquez au modèle ce sur quoi se concentrer : objets, texte, mise en page, sécurité, défauts ou différences.
• Demandez une sortie structurée lorsque votre application a besoin de champs analysables.
• Gardez les URL d’images accessibles à l’API, ou utilisez des URL de données en base64 pour les images privées.
• Utilisez un modèle avec un contexte suffisant si vous combinez des images avec de longues instructions.

​

Ressources connexes

• API Chat Completions
• Modèles de texte
• Guide des entrées de fichier
• Guide des réponses structurées