API Endpoint4 phút đọcCập nhật 04/11/2026
Multimodal (Vision & Tài liệu PDF)
Gửi hình ảnh và file tài liệu trực tiếp vào mô hình để phân tích biểu đồ, OCR văn bản và bóc tách dữ liệu hóa đơn.
#vision#hình ảnh#ocr#multimodal#pdf
#Cách gửi hình ảnh qua Chat Completions
Bạn có thể gửi hình ảnh qua đường dẫn URL công khai hoặc chuỗi nhúng base64 `data:image/jpeg;base64,...`:
from openai import OpenAI
client = OpenAI(base_url="https://apivien.com/v1", api_key="apivien-live-YOUR_KEY")
response = client.chat.completions.create(
model="gpt-4o",
messages=[
{
"role": "user",
"content": [
{"type": "text", "text": "Hãy phân tích dữ liệu trong biểu đồ này và trích xuất thành bảng Markdown:"},
{
"type": "image_url",
"image_url": {
"url": "https://example.com/revenue-chart.png"
}
}
]
}
]
)
print(response.choices[0].message.content)#Các dòng model hỗ trợ Vision mạnh nhất
- **Claude 3.7 Sonnet / 3.5 Sonnet**: Đọc phụ đề video (sub cứng), biểu đồ kiến trúc, sơ đồ vi mạch chính xác hàng đầu.
- **GPT-4o & GPT-4o-mini**: Tốc độ xử lý hình ảnh siêu nhanh, nhận diện văn bản OCR tiếng Việt tuyệt vời.
- **Gemini 2.5 Flash / Pro**: Khả năng đọc hàng trăm trang tài liệu PDF và phân tích hình ảnh độ phân giải cao với chi phí cực rẻ.