Skip to main content
视觉理解适合图片问答、截图分析、票据识别、商品图理解、内容审核和多模态 Agent。

适合做什么

图片问答

让模型根据图片内容回答问题。

截图分析

分析 UI、报错页面、数据图表和产品截图。

票据和文档

结合发票 OCR、表格理解和结构化抽取。

商品和内容审核

识别图片主体、属性、风险和质量问题。

OpenAI 兼容格式示例

使用建议

  • 图片 URL 需要能被服务端访问。
  • 大图先压缩到业务可接受的清晰度。
  • 如果你要稳定提取字段,要求模型返回 JSON,并在服务端校验。
  • 发票场景优先使用专用发票 OCR 或发票查验接口。

图像输入接口

查看图像会话接口。

发票 OCR

使用专用工具识别发票。