Experimente Gemini 3.7 Flash API para Image-to-Text, Q&A visual, OCR, análise e respostas multimodais em streaming pelo acesso estável da Flaq AI à API do Google.
Modelos Gemini 3.7 Flash relacionados
Exemplos de API
Exemplo de envio
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: 'gemini-3.7-flash-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);
}
}
}
Exemplo de envio
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': 'gemini-3.7-flash-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)
Exemplo de envio
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": "gemini-3.7-flash-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
}'
Preços de Gemini 3.7 Flash Image to Text
| Parâmetros | Preço | Preço original | Desconto |
|---|
Modelos relacionados
nano-banana-protext-to-imagenano-banana-pro-editimage-to-imagenano-banana-2text-to-imagenano-banana-2-editimage-to-imageveo3.1-text-to-videotext-to-videoveo3.1-image-to-videoimage-to-videoveo3.1-fast-text-to-videotext-to-videoveo3.1-fast-image-to-videoimage-to-videogemini-3.5-flash-text-to-texttext-to-textgemini-3.5-flash-image-to-textimage-to-textgemini-3.5-flash-file-analysisfile-analysisgemini-3.6-flash-text-to-texttext-to-textgemini-3.6-flash-image-to-textimage-to-textgemini-3.6-flash-file-analysisfile-analysisgemini-3.7-flash-text-to-texttext-to-textgemini-3.7-flash-image-to-textimage-to-textgemini-3.7-flash-file-analysisfile-analysisREADME
API Gemini 3.7 Flash Image-to-Text rápida e acessível
A API Gemini 3.7 Flash Image-to-Text conecta aplicativos da Flaq AI ao modelo Flash mais recente do Google para uma compreensão visual rápida e avançada. Envie uma entrada de imagem focada com uma instrução clara para gerar texto que descreva, explique, extraia ou analise conteúdo visual. A rota combina os recursos multimodais e de raciocínio do Gemini 3.7 Flash com um limite de entrada Flaq AI intencionalmente focado, tornando-a ideal para recursos de produtos responsivos e fluxos de revisão.
Principais recursos da API Gemini 3.7 Flash Image-to-Text
-
Raciocínio visual avançado: Transforme perguntas baseadas em imagens em respostas de texto claras que reflitam o contexto visual fornecido e a instrução da tarefa.
-
Fluxo de trabalho multimodal econômico: Use uma configuração Flash muito acessível para recursos de análise visual que precisam de uma saída de texto avançada em grande escala.
-
Solicitação de imagem focada: Mantenha cada interação centralizada em uma entrada visual e um objetivo específico, ajudando os aplicativos a produzir saídas mais claras e fáceis de revisar.
-
Entrega de imagem documentada: Envie a entrada de imagem pelo padrão configurado de solicitação à API da Flaq AI.
-
Suporte ao contexto de mensagens: Combine a solicitação visual com mensagens estruturadas de sistema, usuário e assistente quando a tarefa precisar de instruções, critérios ou contexto de acompanhamento.
-
Integração de API responsiva: Selecione streaming ou entrega da resposta completa para atender a assistentes interativos, trabalhos de revisão assíncronos e ferramentas internas.
Como usar a API Gemini 3.7 Flash Image-to-Text na Flaq AI
-
Entrada: Uma imagem compatível com um prompt em linguagem natural que defina a descrição, pergunta, extração ou análise solicitada.
-
Saída: Respostas de texto para experiências voltadas ao usuário, revisão humana, fluxos de conteúdo e automação subsequente.
-
Entrega de imagem: Use o formato configurado de solicitação da Flaq AI para a entrada de imagem.
-
Recursos: Resposta a perguntas baseadas em imagens, interpretação de capturas de tela, extração de detalhes visuais, resumo de imagens e elaboração de conteúdo.
Melhores casos de uso para a integração da API Gemini 3.7 Flash Image-to-Text
-
Experiências visuais de produto: Adicione perguntas sobre imagens, assistência à pesquisa visual e explicações contextuais a aplicativos voltados ao usuário.
-
Revisão de design e QA: Gere observações iniciais a partir de capturas de tela da UI, imagens de produtos, diagramas e feedback visual para revisão humana.
-
Fluxos de suporte: Ajude agentes a interpretar imagens e capturas de tela de clientes, identificar detalhes úteis e preparar rascunhos de resposta ou encaminhamento.
-
Operações de comércio e catálogo: Extraia atributos visíveis, elabore descrições e ofereça suporte à revisão editorial de imagens de produtos.
-
Fluxos de acessibilidade e conteúdo: Crie rascunhos de descrições e resumos visuais que possam ser revisados para ajudar as equipes editoriais a preparar conteúdo acessível.
Observação A rota atual da Flaq AI foi criada para entrada de imagem focada e saída de texto. Não use a análise gerada como a única base para decisões de alto impacto; mantenha a revisão humana e a verificação de fontes adequadas.
API Gemini 3.7 Flash Image-to-Text vs. concorrentes: análise comparativa
-
Gemini 3.7 Flash Image-to-Text vs. Gemini 3.6 Flash Image-to-Text
O Gemini 3.6 Flash oferece uma rota multimodal equilibrada para perguntas e operações com imagens. O Gemini 3.7 Flash é o modelo Flash mais recente a considerar quando a tarefa visual também se beneficia de um raciocínio mais avançado em várias etapas. -
Gemini 3.7 Flash Image-to-Text vs. Grok 4.6 Image-to-Text
O Grok 4.6 é uma opção da xAI para raciocínio técnico baseado em imagens. O Gemini 3.7 Flash oferece uma rota de modelo Google altamente econômica para perguntas visuais, capturas de tela e recursos de produtos voltados ao texto. -
Gemini 3.7 Flash Image-to-Text vs. GPT 5.6 Terra Image-to-Text
Os modelos visuais GPT 5.6 Terra são compatíveis com uma ampla variedade de aplicativos multimodais. O Gemini 3.7 Flash é uma alternativa atraente quando as equipes querem um modelo Flash eficiente para análise de imagens focada e geração de texto. -
Gemini 3.7 Flash Image-to-Text vs. Claude Vision
Os modelos de visão Claude podem ser uma ótima opção para tarefas explicativas e voltadas a documentos. O Gemini 3.7 Flash oferece uma API responsiva de compreensão visual para equipes que avaliam fluxos de trabalho multimodais econômicos. -
Gemini 3.7 Flash Image-to-Text vs. Gemini 3.7 Flash Text-to-Text
O Text-to-Text é otimizado para prompts sem entrada visual. O Image-to-Text é a rota mais adequada quando a resposta precisa se basear tanto em uma imagem fornecida quanto em instruções escritas.