图像理解

更新时间：2025-09-05

本文介绍了自定义导入模型发布为服务后，调用图像理解相关API说明。

注意事项

（1）调用本文API前，需先导入并部署第三方模型，请查看快速导入并部署第三方模型。

（2）支持导入以下模型：

· InternLM-XComposer2
· LLaVA-v1.5-paddle（只支持paddle框架推理）
· Qwen-VL-Chat
· glm-4v-9b
· OpenGVLab/InternVL2-26B
· OpenGVLab/InternVL2-8B
· OpenGVLab/InternVL2-2B
· Qwen2-VL-7B-Instruct
· Qwen2-VL-72B-Instruct

接口描述

调用本接口，用于根据用户输入的图像和文字，回答图像有关问题。

鉴权说明

本文API，支持2种鉴权方式。不同鉴权方式，调用方式不同，请求头域、请求参数的Query参数不同，详见本文请求说明。开发者可以选择以下任一种方式进行鉴权。

访问凭证access_token鉴权
基于安全认证AK/SK进行签名计算鉴权

请求结构

以访问凭证access_token鉴权方式为例，说明调用API请求结构，示例如下。

                Bash
                
            

                POST /rpc/2.0/ai_custom/v1/wenxinworkshop/chatv/[创建服务时填写的API名称]?access_token=24.4a3a19b******18992 HTTP/1.1
Host: aip.baidubce.com
Content-Type: application/json

{
  "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "text",
            "text": "What'\''s in this image?"
          },
          {
            "type": "image_url",
            "image_url": {
              "url": "/9j/4AAQSkZJRgABAQAAAQABAAD/4gHYSUNDX0YyCwrWoajFF******Frq7/3gDaWpvmgVxtNXiwQf/9k="
            }
          }
        ]
      }
    ]
}
            

API地址说明

创建服务时填写的API地址，相关内容请查看模型服务-在线服务-服务配置。

请求头域

除公共头域外，无其它特殊头域。注意：鉴权方式不同，对应请求头域不同。

请求参数

Query参数

只有访问凭证access_token鉴权方式，需使用Query参数。

访问凭证access_token鉴权

名称	类型	必填	描述
access_token	string	是	通过应用API Key和应用Secret Key获取的access_token，参考Access Token获取

Body参数

名称	类型	必填	描述
messages	List(MultimodalMessage)	是	聊天上下文信息，说明：（1）messages成员不能为空，1个成员表示单轮对话（2）最后一个message为当前请求的信息，前面的message为历史对话信息（3）当前只支持单轮对话且message中必须包含type=text
stream	bool	否	是否以流式接口的形式返回数据；默认false
temperature	float	否	较高的数值会使输出更加随机，而较低的数值会使其更加集中和确定，大于0
top_p	float	否	影响输出文本的多样性，取值越大，生成文本的多样性越强。默认0.8，取值范围 [0, 1.0]
user_id	string	否	表示最终用户的唯一标识符

MultimodalMessage

名称	类型	必填	描述
role	string	是	当前支持以下： user：表示用户 assistant：表示对话助手
content	List(Content)	是	对话内容

Content说明

名称	类型	必填	描述
type	string	是	当前支持以下： text：表示文本 image_url：表示图片存储URL
text	string	否	文本内容，说明：（1）一个content中text与image_url有且只有一个（2）InternLM-XComposer2模型服务，文本内容必须有image_url数量的<ImageHere>关键字
image_url	ImageURL	否	图片存储URL，说明：（1）一个content中text与image_url有且只有一个（2）只有第一轮对话可以包含image_url

ImageURL说明

名称	类型	必填	描述
url	string	是	base64图片，支持格式：jpg、png、bmp

响应头域

除公共头域外，无其它特殊头域。

响应参数

名称	类型	描述
id	string	本次请求的唯一标识，可用于排查问题
object	string	回包类型“chat.completion”：多轮对话返回
model	string	本次请求调用的model
created	int	时间戳
choices	choices	返回结果。只有当stream=false，即为非流式模式调用时返回此字段
choices	sse_choices	返回结果。只有当stream=true，即为流式接口模式时返回此字段
usage	usage	token统计信息

choices说明

名称	类型	描述
index	int	choice列表中的序号
message	message	响应信息
need_clear_history	bool	表示用户输入是否存在安全风险，是否关闭当前会话，清理历史会话信息， true：表示用户输入存在安全风险，建议关闭当前会话，清理历史会话信息； false：否，表示用户输入无安全风险
ban_round	int	当need_clear_history为true时，次字段会告知第几轮对话有敏感信息，如果是当前问题，ban_round = -1
finish_reason	string	输出内容标识，说明： · normal：输出内容完全由大模型生成，未触发截断、替换
flag	int	返回flag表示触发安全

sse_choices说明

名称	类型	描述
index	int	choice列表中的序号
delta	delta	响应信息
is_end	bool	流式接口模式下会返回，表示当前子句是否是最后一句
need_clear_history	bool	值为true表示用户输入存在安全风险，建议关闭当前会话，清理历史会话信息,当前模型不过安全，实际返回永远是false
ban_round	int	当need_clear_history为true时，次字段会告知第几轮对话有敏感信息，如果是当前问题，ban_round = -1
finish_reason	string	输出内容标识，取值访问及定义如下："normal"：输出内容完全由大模型生成，未触发截断、替换；
flag	int	返回flag表示触发安全

delta说明

名称	类型	描述
content	string	流式响应内容

usage说明

名称	类型	描述
prompt_tokens	int	问题tokens数
completion_tokens	int	回答tokens数
total_tokens	int	tokens总数

注意：同步模式和流式模式，响应参数返回不同，详细内容参考示例描述。

同步模式下，响应参数为以上字段的完整json包。
流式模式下，各字段的响应参数为 data: {响应参数}。

请求示例（非流式）

以访问凭证access_token鉴权方式为例，说明如何调用API，示例如下。

            Bash
        
            Python
        

            # 步骤一，获取access_token，替换下列示例中的应用API Key与应用Secret Key
curl 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=[应用API Key]&client_secret=[应用Secret Key]'

# 步骤二，调用本文API，使用步骤一获取的access_token，替换下列示例中的”调用接口获取的access_token“；
curl -X POST  'https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chatv/[创建服务时填写的API名称]?access_token=[步骤一调用接口获取的access_token]' -d '{
   "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "text",
            "text": "What'\''s in this image?"
          },
          {
            "type": "image_url",
            "image_url": {
              "url": "/9j/4AAQSkZJRgABAQAAAQABAAD/4gHYSUNDX0YyCwrWoajFF******Frq7/3gDaWpvmgVxtNXiwQf/9k="
            }
          }
        ]
      }
    ]
}'
        

            import requests
import json

def get_access_token():
    """
    使用应用API Key，应用Secret Key 获取access_token，替换下列示例中的应用API Key、应用Secret Key
    """
        
    url = "https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=[应用API Key]&client_secret=[应用Secret Key]"
    
    payload = json.dumps("")
    headers = {
        'Content-Type': 'application/json',
        'Accept': 'application/json'
    }
    
    response = requests.request("POST", url, headers=headers, data=payload)
    return response.json().get("access_token")


def main():
   
    url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chatv/[创建服务时填写的API名称]?access_token=" + get_access_token()
    
    payload = json.dumps({
        "messages": [
          {
            "role": "user",
            "content": [
              {
                "type": "text",
                "text": "What'\''s in this image?"
              },
              {
                "type": "image_url",
                "image_url": {
                  "url": "/9j/4AAQSkZJRgABAQAAAQABAAD/4gHYSUNDX0YyCwrWoajFF******Frq7/3gDaWpvmgVxtNXiwQf/9k="
                }
              }
            ]
         }
       ]
    })
    headers = {
        'Content-Type': 'application/json'
    }
    
    response = requests.request("POST", url, headers=headers, data=payload)
    
    print(response.text)
    

if __name__ == '__main__':
    main()
        

响应示例（非流式）

                JSON
                
            

                {
  "id": "as-34qizrn6c2",
  "object": "chat.completion",
  "created": 1677652288,
  "model": "j23r****vl_chat",
  "choices": [{
    "index": 0,
    "message": {
      "role": "assistant",
      "content": "\n\nThis image shows a wooden boardwalk extending through a lush green marshland.",
    },
    "finish_reason": "normal"
  }],
  "usage": {
    "prompt_tokens": 9,
    "completion_tokens": 12,
    "total_tokens": 21
  }
}
            

请求示例（流式）

            Bash
        
            Python
        

            # 步骤一，获取access_token，替换下列示例中的应用API Key与应用Secret Key
curl 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=[API Key]&client_secret=[Secret Key]'
﻿
# 步骤二，调用本文API，使用步骤一获取的access_token，替换下列示例中的”调用接口获取的access_token“
curl -X POST 'https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chatv/[创建服务时填写的API名称]?access_token=[步骤一调用接口获取的access_token]' -d '{
  "messages": [
          {
            "role": "user",
            "content": [
              {
                "type": "text",
                "text": "What'\''s in this image?"
              },
              {
                "type": "image_url",
                "image_url": {
                  "url": "/9j/4AAQSkZJRgABAQAAAQABAAD/4gHYSUNDX0YyCwrWoajFF******Frq7/3gDaWpvmgVxtNXiwQf/9k="
                }
              }
            ]
         }
       ],
  "stream": true
}'
        

            import requests
import json
﻿
def get_access_token():
    """
    使用应用API Key，应用Secret Key 获取access_token，替换下列示例中的应用API Key、应用Secret Key
    """
        
    url = "https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=[应用API Key]&client_secret=[应用Secret Key]"
    
    payload = json.dumps("")
    headers = {
        'Content-Type': 'application/json',
        'Accept': 'application/json'
    }
    
    response = requests.request("POST", url, headers=headers, data=payload)
    return response.json().get("access_token")
﻿
﻿
def main():
   
    url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chatv/[创建服务时填写的API名称]?access_token=" + get_access_token()
    
    payload = json.dumps({
        "messages": [
          {
            "role": "user",
            "content": [
              {
                "type": "text",
                "text": "What'\''s in this image?"
              },
              {
                "type": "image_url",
                "image_url": {
                  "url": "/9j/4AAQSkZJRgABAQAAAQABAAD/4gHYSUNDX0YyCwrWoajFF******Frq7/3gDaWpvmgVxtNXiwQf/9k="
                }
              }
            ]
         }
       ],
         "stream": True
    })
    headers = {
        'Content-Type': 'application/json'
    }
    
    response = requests.request("POST", url, headers=headers, data=payload, stream=True)
    
    for line in response.iter_lines():
        print(line.decode("UTF-8"))
    
﻿
if __name__ == '__main__':
    main()
        

响应示例（流式）

                JSON
                
                {"id":"as-34qizrn6c2","object":"chat.completion.chunk","created":1694268190,"model":"j23r1p7w_test_qwen_vl_chat", "choices":[{"index":0,"delta":{"role":"assistant","content":""},"finish_reason":null}]}

{"id":"as-34qizrn6c2","object":"chat.completion.chunk","created":1694268190,"model":"j23r1p7w_test_qwen_vl_chat", "choices":[{"index":0,"delta":{"content":"Hello"},"finish_reason":null}]}

....

{"id":"as-34qizrn6c2","object":"chat.completion.chunk","created":1694268190,"model":"j23r1p7w_test_qwen_vl_chat", "choices":[{"index":0,"delta":{},"finish_reason":"normal"}]}

错误码

如果请求错误，服务器返回的JSON文本包含以下参数。

名称	描述
error_code	错误码
error_msg	错误描述信息，帮助理解和解决发生的错误

例如Access Token失效返回以下内容，需要重新获取新的Access Token再次请求。

Plain Text

1{
2  "error_code": 110,
3  "error_msg": "Access token invalid or no longer valid"
4}

更多相关错误码，请查看错误码说明。

百度智能云

千帆大模型服务与开发平台ModelBuilder