ใช้ Kimi 2.7 Image-to-Text API สำหรับความเข้าใจภาพ ถามตอบจากภาพ การดึงข้อมูลแบบ OCR และการให้เหตุผลหลายรูปแบบในเวิร์กโฟลว์โปรดักชันที่เสถียร.
โมเดล Kimi 2.7 ที่เกี่ยวข้อง
ตัวอย่าง API
ตัวอย่างการส่งคำขอ
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: 'kimi-2.7-image-to-text',
messages: [
{
role: 'user',
content: [
{
type: 'text',
text: 'What is roughly shown in this image?'
},
{
type: 'image_url',
image_url: {
url: 'https://example.com/sample-image.jpg'
}
}
]
}
],
stream: true,
max_tokens: 300
})
});
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);
}
}
}
ตัวอย่างการส่งคำขอ
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': 'kimi-2.7-image-to-text',
'messages': [
{
'role': 'user',
'content': [
{
'type': 'text',
'text': 'What is roughly shown in this image?',
},
{
'type': 'image_url',
'image_url': {
'url': 'https://example.com/sample-image.jpg',
},
},
],
}
],
'stream': True,
'max_tokens': 300,
},
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)
ตัวอย่างการส่งคำขอ
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": "kimi-2.7-image-to-text",
"messages": [
{
"role": "user",
"content": [
{
"type": "text",
"text": "What is roughly shown in this image?"
},
{
"type": "image_url",
"image_url": {
"url": "https://example.com/sample-image.jpg"
}
}
]
}
],
"stream": true,
"max_tokens": 300
}'
ราคา Kimi 2.7 Image to Text
| พารามิเตอร์ | ราคา | ราคาเดิม | ส่วนลด |
|---|
README
API Kimi 2.7 Image-to-Text ที่เสถียรและคุ้มค่า (การทำความเข้าใจภาพของ Moonshot AI)
Kimi 2.7 Image-to-Text API บน Flaq AI ให้การเข้าถึงโมเดลมัลติโมดัลของ Moonshot AI สำหรับเวิร์กโฟลว์การทำความเข้าใจภาพ การถามตอบเกี่ยวกับภาพ การดึงข้อมูลแบบ OCR และการใช้เหตุผลโดยอิงจากภาพ การผสานรวม Kimi vision API ที่คุ้มค่านี้ช่วยให้ developer แปลง input รูปภาพเป็นคำอธิบายข้อความ คำตอบ สรุป และ insight แบบมีโครงสร้างที่ใช้งานได้จริง สร้างมาสำหรับทีมที่ต้องการการวิเคราะห์ภาพที่เสถียรโดยไม่ต้องดูแลโครงสร้างพื้นฐานด้าน vision แยกต่างหาก
ฟีเจอร์หลักของ Kimi 2.7 Image-to-Text API
- การทำความเข้าใจภาพ: วิเคราะห์ input รูปภาพและส่งคืนคำอธิบายข้อความ คำอธิบายเพิ่มเติม และคำตอบที่ชัดเจนผ่านการผสานรวม Kimi 2.7 API
- การใช้เหตุผลโดยอิงจากภาพ: รวมรายละเอียดภาพเข้ากับคำถามของผู้ใช้เพื่อรองรับการวิเคราะห์สินค้า การตรวจทานเอกสาร ฟีดแบ็กงานสร้างสรรค์ และเวิร์กโฟลว์มัลติโมดัล
- การดึงข้อมูลแบบ OCR: ดึงข้อความที่มองเห็น ป้ายกำกับ เนื้อหาอินเทอร์เฟซ และรายละเอียดภาพสำหรับระบบอัตโนมัติ downstream และการประมวลผลข้อมูล
- การเข้าถึง API ที่เป็นมิตรกับ Developer: เพิ่มความสามารถ image-to-text ให้แอปพลิเคชันผ่าน route ของ Flaq AI ที่เสถียรและออกแบบมาสำหรับเวิร์กโฟลว์ production
- การกำกับ Prompt ที่ยืดหยุ่น: ใช้คำสั่งภาษาธรรมชาติเพื่อขอ caption สั้น ๆ การวิเคราะห์ละเอียด สรุปแบบมีโครงสร้าง หรือ output เฉพาะงาน
- เวิร์กโฟลว์ Vision ที่คุ้มค่า: สร้างฟีเจอร์วิเคราะห์ภาพที่ขยายได้ด้วยการเข้าถึงโมเดล Moonshot AI ที่มีต้นทุนคุ้มค่า
วิธีใช้ Kimi 2.7 Image-to-Text API สำหรับการวิเคราะห์ภาพบน Flaq AI
- Input: Input รูปภาพพร้อมคำถามภาษาธรรมชาติหรือคำสั่งการวิเคราะห์
- Output: การตอบกลับเป็นข้อความที่อธิบายเนื้อหาภาพ ดึงข้อมูล ตอบคำถาม หรือสรุปรายละเอียดภาพ
- การรองรับรูปภาพ: ใช้งานกับเวิร์กโฟลว์ input รูปภาพทั่วไปสำหรับภาพสินค้า screenshot เอกสาร และ asset งานสร้างสรรค์
- ความสามารถ: คำอธิบายภาพ visual QA การอ่านแบบ OCR การใช้เหตุผลมัลติโมดัล การวิเคราะห์ screenshot และสรุปภาพแบบมีโครงสร้างผ่านการผสานรวม Kimi 2.7 API
กรณีการใช้งานที่ดีที่สุดสำหรับการผสานรวม Kimi 2.7 Image-to-Text API
- การวิเคราะห์ Screenshot และ UI: แปลง screenshot แอปเป็นคำอธิบาย บันทึกบั๊ก ข้อสังเกตด้าน accessibility และ output การตรวจทานแบบมีโครงสร้าง
- การตรวจทานเอกสารและแบบฟอร์ม: ดึง field ที่มองเห็น ป้ายกำกับ ตาราง และรายละเอียดเอกสารจากรูปภาพสำหรับเครื่องมือภายในและระบบอัตโนมัติ
- การทำความเข้าใจภาพ E-commerce: อธิบายสินค้า ระบุคุณลักษณะ สรุปภาพ catalog และรองรับเวิร์กโฟลว์ moderation หรือ merchandising
- ฟีดแบ็ก Asset งานสร้างสรรค์: วิเคราะห์องค์ประกอบภาพ สไตล์ภาพ ความสอดคล้องของแบรนด์ และ creative ของแคมเปญด้วย output ที่กำกับด้วย prompt
- ผู้ช่วย AI มัลติโมดัล: ให้ผู้ใช้อัปโหลดรูปภาพและถามคำถามภาษาธรรมชาติในผลิตภัณฑ์ด้านซัพพอร์ต การศึกษา และ productivity
หมายเหตุ โปรดตรวจสอบให้แน่ใจว่า input รูปภาพและ prompt เป็นไปตามข้อกำหนดด้านความปลอดภัยของ Moonshot AI และ Flaq AI หากเกิดข้อผิดพลาด ให้ปรับ input รูปภาพหรือ prompt แล้วลองอีกครั้ง
Kimi 2.7 Image-to-Text เทียบกับคู่แข่ง: การวิเคราะห์เปรียบเทียบ
- Kimi 2.7 Image-to-Text vs. GPT Image-to-Text
การทำความเข้าใจภาพของ GPT มีขอบเขตมัลติโมดัลกว้าง Kimi 2.7 Image-to-Text API มอบทางเลือก Moonshot AI สำหรับทีมที่ต้องการการวิเคราะห์ภาพที่คุ้มค่าผ่าน Flaq AI - Kimi 2.7 Image-to-Text vs. Gemini Image-to-Text
Gemini แข็งแกร่งสำหรับการใช้เหตุผลภาพแบบ native ของ Google Kimi 2.7 ให้ developer มี route ที่เสถียรอีกทางสำหรับคำอธิบายภาพ การดึงข้อมูลแบบ OCR และการถามตอบเกี่ยวกับภาพ - Kimi 2.7 Image-to-Text vs. Claude Vision
Claude Vision มีประโยชน์สำหรับการตีความภาพและเอกสารอย่างรอบคอบ Kimi 2.7 มุ่งเน้นเวิร์กโฟลว์ image-to-text ที่ใช้งานจริงสำหรับการผสานรวมผลิตภัณฑ์ที่ขยายได้ - Kimi 2.7 Image-to-Text vs. Grok Image-to-Text
Grok Image-to-Text ให้พฤติกรรมโมเดล xAI สำหรับการวิเคราะห์ภาพ Kimi 2.7 เสนอการเข้าถึงมัลติโมดัลของ Moonshot AI สำหรับทีมที่เปรียบเทียบพฤติกรรม provider และสไตล์การตอบกลับ - Kimi 2.7 Image-to-Text vs. Qwen Vision Models
โมเดล vision ของ Qwen เป็นตัวเลือก Alibaba ที่แข็งแกร่ง Kimi 2.7 Image-to-Text API ให้ developer มีทางเลือกที่ขับเคลื่อนโดย Moonshot สำหรับการทำความเข้าใจภาพใน production
