OpenAI/gpt-6-astra-image-to-text

gpt-6-astra-image-to-text

Essayez l'API GPT 6 Astra d'OpenAI : raisonnement visuel avancé, lecture de graphiques, OCR et Q/R sur images via l'API stable de Flaq AI avec réponses en streaming.

Image Chat

Modèles Gpt 6 Astra associés

gpt-6-astra-text-to-texttext-to-text

gpt-6-astra-image-to-textimage-to-text

gpt-6-astra-web-searchweb-search

gpt-6-astra-file-analysisfile-analysis

Documentation

Exemples d'API

JavaScriptPythoncURL

Exemple d'envoi

const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer YOUR_API_KEY',
    Accept: 'text/event-stream',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'gpt-6-astra-image-to-text',
    messages: [
      {
        role: 'user',
        content: [
          { type: 'text', text: 'Describe the image and extract any visible text.' },
          {
            type: 'image_url',
            image_url: {
              url: 'https://example.com/sample-image.jpg'
            }
          }
        ]
      }
    ],
    stream: true,
    max_tokens: 2048
  })
});

const reader = response.body.getReader();
const decoder = new TextDecoder();
let buffer = '';
let assistantText = '';

while (true) {
  const { done, value } = await reader.read();
  if (done) break;

  buffer += decoder.decode(value, { stream: true });
  const frames = buffer.split('\n\n');
  buffer = frames.pop() || '';

  for (const frame of frames) {
    const lines = frame.split('\n').filter(Boolean);
    let eventName = 'message';
    const dataLines = [];

    for (const line of lines) {
      if (line.startsWith('event:')) {
        eventName = line.slice(6).trim();
      } else if (line.startsWith('data:')) {
        dataLines.push(line.replace(/^data:\s*/, ''));
      }
    }

    const raw = dataLines.join('\n').trim();
    if (raw === '[DONE]') {
      console.log('\nFinal text:', assistantText);
      continue;
    }

    let payload;
    try {
      payload = JSON.parse(raw);
    } catch {
      continue;
    }

    if (eventName === 'error' || payload.error) {
      const msg = payload.error?.message ?? payload.message ?? 'Chat request failed';
      throw new Error(msg);
    }

    const delta = payload.choices?.[0]?.delta;
    if (delta?.content) {
      assistantText += delta.content;
      console.log(assistantText);
    }
  }
}

Exemple d'envoi

import json
import requests

response = requests.post(
    'https://api.flaq.ai/api/v1/chat/completions',
    headers={
        'Authorization': 'Bearer YOUR_API_KEY',
        'Accept': 'text/event-stream',
        'Content-Type': 'application/json',
    },
    json={
        'model': 'gpt-6-astra-image-to-text',
        'messages': [
            {
                'role': 'user',
                'content': [
                    {'type': 'text', 'text': 'Describe the image and extract any visible text.'},
                    {
                        'type': 'image_url',
                        'image_url': {
                            'url': 'https://example.com/sample-image.jpg'
                        }
                    },
                ],
            }
        ],
        'stream': True,
        'max_tokens': 2048,
    },
    stream=True,
)

response.raise_for_status()

event_name = 'message'
assistant_text = ''

for raw_line in response.iter_lines(decode_unicode=True):
    if not raw_line:
        event_name = 'message'
        continue

    if raw_line.startswith('event:'):
        event_name = raw_line.replace('event:', '', 1).strip()
        continue

    if raw_line.startswith('data:'):
        raw_data = raw_line.replace('data:', '', 1).strip()
        if raw_data == '[DONE]':
            print('\nFinal text:', assistant_text)
            continue

        payload = json.loads(raw_data)

        if event_name == 'error' or payload.get('error'):
            error = payload.get('error') or payload
            raise RuntimeError(error.get('message', 'Chat request failed'))

        choices = payload.get('choices') or []
        if choices:
            delta = choices[0].get('delta') or {}
            content = delta.get('content')
            if content:
                assistant_text += content
                print(content, end='', flush=True)

Exemple d'envoi

curl -N -X POST "https://api.flaq.ai/api/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Accept: text/event-stream" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra-image-to-text",
    "messages": [
      {
        "role": "user",
        "content": [
          { "type": "text", "text": "Describe the image and extract any visible text." },
          {
            "type": "image_url",
            "image_url": {
              "url": "https://example.com/sample-image.jpg"
            }
          }
        ]
      }
    ],
    "stream": true,
    "max_tokens": 2048
  }'

Démarrer un nouveau chat

Envoyez un message pour commencer.

Tarifs de GPT 6 Astra Image to Text

Paramètres	Prix	Prix d’origine	Remise

Jeton: input	$10.0000 par 1 M de jetons d’entrée	-	Standard
Jeton: output	$50.0000 par 1 M de jetons de sortie	-	Standard

README

API GPT 6 Astra Image-to-Text de raisonnement visuel avancé (analyse de graphiques et d’images OpenAI)

L’API GPT 6 Astra Image-to-Text applique le raisonnement du modèle phare GPT-6 Astra d’OpenAI aux images, aux graphiques et aux questions-réponses visuelles sur Flaq AI. Cette intégration d’API image-vers-texte aide les développeurs et les équipes professionnelles à transformer les images prises en charge, accompagnées d’instructions textuelles facultatives, en descriptions, détails extraits et analyses structurées. Le modèle fournit le raisonnement visuel ; Flaq AI fournit un accès API stable et économique.

Principales fonctionnalités de l’API GPT 6 Astra Image-to-Text

Raisonnement visuel avancé : Examinez les mises en page, les objets, les relations et la logique des scènes avec le modèle GPT phare actuel d’OpenAI plutôt qu’avec une chaîne limitée à la production de légendes.
Compréhension des graphiques et diagrammes : Lisez les données représentées, les libellés et la structure schématique des figures utilisées pour l’analyse, l’ingénierie et l’examen de travaux de recherche.
Questions-réponses visuelles : Posez des questions ciblées sur une image et recevez des réponses textuelles fondées sur ce qui est visible.
Extraction orientée OCR : Extrayez le texte visible, les champs de formulaire et les textes d’interface de captures d’écran ou de documents photographiés lorsque telle est la tâche.
Instructions textuelles facultatives : Associez une image à des instructions définissant les critères d’examen, le format de sortie ou le niveau de détail.
Analyse en streaming : Renvoyez les constats visuels sous forme de texte en streaming via un processus de chat Flaq AI cohérent.

Comment utiliser l’API GPT 6 Astra Image-to-Text pour l’analyse visuelle sur Flaq AI

Entrée : Une image prise en charge avec des messages de conversation facultatifs décrivant l’analyse, l’extraction ou la question.
Sortie : Descriptions textuelles, détails extraits, lectures de graphiques et questions-réponses visuelles fondés sur l’image fournie.
Longueur de sortie : Contrôlez le nombre maximal de tokens de sortie pour obtenir une courte légende ou un examen plus long.
Streaming : Recevez l’analyse progressivement.
Capacités : Compréhension d’images, interprétation de graphiques, questions-réponses visuelles et extraction orientée OCR grâce à l’intégration de l’API GPT 6 Astra Image-to-Text.

Cas d’utilisation privilégiés de l’intégration de l’API GPT 6 Astra Image-to-Text

Examen de graphiques et de tableaux de bord : Transformez les indicateurs représentés, les légendes et les captures de tableaux de bord en constats écrits pour les analystes et les équipes opérationnelles.
Lecture de diagrammes techniques : Expliquez des dessins d’architecture, des organigrammes et des schémas annotés reçus sous forme d’images plutôt que de fichiers.
Contrôle qualité des interfaces et captures d’écran : Examinez les captures d’interface pour repérer les textes visibles, les problèmes de mise en page et les différences d’état lors de la revue d’un produit.
Extraction à partir de photographies de documents : Lisez les textes et les champs de formulaires ou d’imprimés photographiés lorsque la source est une image, et non un document téléversé.
Notes d’inspection visuelle : Décrivez des photos de produits, des prises de vue en laboratoire ou sur le terrain pour des catalogues, des tickets et des textes d’accessibilité.

Remarque Utilisez des images et des prompts conformes aux politiques d’utilisation d’OpenAI et aux conditions de Flaq AI. En cas d’erreur, vérifiez la présence de contenu visuel interdit ou non pris en charge, simplifiez la question et réessayez.

GPT 6 Astra Image-to-Text face à la concurrence : analyse comparative

GPT 6 Astra face à GPT 5.6 Sol Image-to-Text
GPT 5.6 Sol Image-to-Text reste la précédente API phare de vision d’OpenAI sur Flaq AI. GPT 6 Astra est l’option phare actuelle lorsque le raisonnement visuel, la lecture de graphiques ou les questions-réponses sur images nécessitent la nouvelle génération GPT.
GPT 6 Astra face aux processus de vision Claude
Les modèles Claude Fable sont performants pour les graphiques et tableaux imbriqués dans des documents, notamment via les API d’analyse de fichiers. L’API GPT 6 Astra Image-to-Text est l’API OpenAI spécialement conçue pour l’analyse d’images avec texte facultatif, sans téléversement de documents.
GPT 6 Astra face aux modèles de vision Gemini
Les API de vision Gemini conviennent naturellement aux produits multimodaux centrés sur Google. L’API GPT 6 Astra Image-to-Text s’adresse aux équipes souhaitant bénéficier du raisonnement visuel phare d’OpenAI via la voie de chat image-vers-texte de Flaq AI.
GPT 6 Astra face aux moteurs OCR spécialisés
Les outils OCR spécialisés optimisent la récupération de texte brut à partir de numérisations. GPT 6 Astra ajoute un raisonnement visuel de pointe au texte visible, ce qui est plus utile lorsque la tâche consiste à interpréter, répondre à des questions ou lire des graphiques plutôt qu’à simplement transcrire.