Pojęcia dotyczące modelu czatów z obsługą przetwarzania obrazów
Modele czatów z obsługą przetwarzania obrazów to duże modele wielomodalne (LMM) opracowane przez platformę OpenAI, które umożliwiają analizowanie obrazów i dostarczanie odpowiedzi tekstowych na pytania dotyczące nich. Obejmują one zarówno przetwarzanie języka naturalnego, jak i zrozumienie wizualne. Obecne modele z obsługą obrazów to GPT-4 Turbo z usługą Vision, GPT-4o i GPT-4o-mini. Ten przewodnik zawiera szczegółowe informacje na temat ich możliwości i ograniczeń.
Aby wypróbować modele czatów z obsługą przetwarzania obrazów, zobacz przewodnik Szybki start.
Czaty z obsługą przetwarzania obrazów
Modele obsługujące wizję odpowiadają na ogólne pytania dotyczące tego, co jest obecne na przekazanych obrazach.
Specjalne informacje o cenach
Ważne
Szczegóły cennika mogą ulec zmianie w przyszłości.
Modele obsługujące przetwarzanie obrazów naliczają opłaty, takie jak inne modele czatów usługi Azure OpenAI. Płacisz stawkę za token dla monitów i uzupełnień, szczegółowo na stronie Cennik. Podstawowe opłaty i dodatkowe funkcje zostały opisane tutaj:
Podstawowe ceny dla GPT-4 Turbo z wizją są:
- Dane wejściowe: 0,01 USD na 1000 tokenów
- Dane wyjściowe: 0,03 USD za 1000 tokenów
Zobacz sekcję Tokeny w przeglądzie , aby uzyskać informacje na temat sposobu tłumaczenia tekstu i obrazów na tokeny.
Przykładowe obliczenie ceny obrazu
Ważne
Poniższa zawartość jest tylko przykładem, a ceny mogą ulec zmianie w przyszłości.
W przypadku typowego przypadku użycia utwórz obraz z widocznymi obiektami i tekstem oraz 100-tokenem wejściowym monitu. Gdy usługa przetwarza monit, generuje 100 tokenów danych wyjściowych. Na obrazie można wykryć zarówno tekst, jak i obiekty. Cena tej transakcji będzie następująca:
| Towar | Szczegół | Koszt |
|---|---|---|
| Wprowadzanie monitu tekstowego | 100 tokenów tekstowych | 0,001 USD |
| Przykładowe dane wejściowe obrazu (zobacz Tokeny obrazów) | 170 + 85 tokenów obrazów | 0,00255 USD |
| Ulepszone funkcje dodatku dla OCR | 1,50 USD / 1000 transakcji | 0,0015 USD |
| Ulepszone funkcje dodatku dla uziemienia obiektów | 1,50 USD / 1000 transakcji | 0,0015 USD |
| Tokeny wyjściowe | 100 tokenów (zakładane) | 0,003 USD |
| Łącznie | 0,00955 USD |
Ograniczenia danych wejściowych
W tej sekcji opisano ograniczenia modeli czatów z obsługą obrazów.
Obsługa obrazów
- Maksymalny rozmiar obrazu wejściowego: maksymalny rozmiar obrazów wejściowych jest ograniczony do 20 MB.
- Dokładność niskiej rozdzielczości: gdy obrazy są analizowane przy użyciu ustawienia "niskiej rozdzielczości", umożliwia szybsze reagowanie i używa mniejszej liczby tokenów wejściowych w niektórych przypadkach użycia. Może to jednak mieć wpływ na dokładność rozpoznawania obiektu i tekstu na obrazie.
- Ograniczenie czatu obrazów: w przypadku przekazywania obrazów w portalu usługi Azure AI Foundry lub interfejsu API istnieje limit 10 obrazów na rozmowę.
Następne kroki
- Rozpocznij korzystanie z modeli z obsługą obrazów, postępując zgodnie z przewodnikiem Szybki start.
- Aby uzyskać bardziej szczegółowe informacje na temat interfejsów API, postępuj zgodnie z przewodnikiem z instrukcjami.
- Zobacz dokumentację interfejsu API uzupełniania i osadzania