Endpoints

विज़न और फ़ाइलें

मैसेज कंटेंट पार्ट्स के रूप में इमेज, PDF, ऑडियो और वीडियो भेजें। समर्थित पार्ट फ़ॉर्मेट, उदाहरण, PDF पार्सर प्लगइन और आकार सीमाएँ यहाँ हैं।

playground में आज़माएं

मल्टीमॉडल मॉडल यूज़र मैसेज में इमेज, PDF, ऑडियो और वीडियो स्वीकार करते हैं। content को स्ट्रिंग के बजाय पार्ट्स के ऐरे के रूप में पास करें। मॉडल क्या स्वीकार करता है यह जानने के लिए मॉडल में architecture.input_modalities देखें (image, file, audio, video)।

कंटेंट पार्ट्स

पार्ट	संरचना	टिप्पणी
टेक्स्ट	`{ "type": "text", "text": "..." }`
इमेज	`{ "type": "image_url", "image_url": { "url": "https://..." \| "data:image/png;base64,...", "detail": "auto" } }`	PNG, JPEG, WebP, GIF। URL या base64 data URL।
PDF / फ़ाइल	`{ "type": "file", "file": { "filename": "doc.pdf", "file_data": "https://..." \| "data:application/pdf;base64,..." } }`	किसी भी मॉडल के साथ काम करता है। जिन मॉडल में मूल फ़ाइल समर्थन नहीं है उन्हें पार्स किया हुआ टेक्स्ट मिलता है।
ऑडियो	`{ "type": "input_audio", "input_audio": { "data": "<base64>", "format": "wav" } }`	केवल base64। `wav`, `mp3` और अन्य, मॉडल के अनुसार।
वीडियो	`{ "type": "video_url", "video_url": { "url": "https://..." } }`	कुछ मॉडल द्वारा समर्थित, जैसे Gemini।

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api14.com/api/v1",
  apiKey: process.env.API14_API_KEY,
});

const result = await client.chat.completions.create({
  "model": "openai/gpt-5-mini",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "What is in this image?"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://upload.wikimedia.org/wikipedia/commons/3/3a/Cat03.jpg"
          }
        }
      ]
    }
  ]
});
console.log(result.choices[0].message.content);

इमेज उदाहरण

{
  "model": "google/gemini-2.5-flash",
  "messages": [
    {
      "role": "user",
      "content": [
        { "type": "text", "text": "What is in this picture?" },
        { "type": "image_url", "image_url": { "url": "https://upload.wikimedia.org/wikipedia/commons/a/a7/Camponotus_flavomarginatus_ant.jpg" } }
      ]
    }
  ]
}

PDF उदाहरण

{
  "model": "anthropic/claude-sonnet-4.5",
  "messages": [
    {
      "role": "user",
      "content": [
        { "type": "text", "text": "Summarize this contract in five bullets." },
        { "type": "file", "file": { "filename": "contract.pdf", "file_data": "data:application/pdf;base64,JVBERi0xLjcK..." } }
      ]
    }
  ],
  "plugins": [{ "id": "file-parser", "pdf": { "engine": "pdf-text" } }]
}

वैकल्पिक file-parser प्लगइन तय करता है कि PDF कैसे पढ़ा जाए: pdf-text (मुफ़्त टेक्स्ट निकासी), mistral-ocr (स्कैन के लिए OCR, प्रति पेज बिल) या native (मॉडल खुद फ़ाइल पढ़ता है)। पार्सिंग की लागत usage.cost का हिस्सा है।

प्रतिक्रिया

प्रतिक्रिया एक सामान्य चैट कंप्लीशन है। इमेज, फ़ाइल और ऑडियो इनपुट इनपुट टोकन के रूप में गिने जाते हैं, और उनकी लागत usage.cost में होती है:

{
  "choices": [{ "index": 0, "finish_reason": "stop", "message": { "role": "assistant", "content": "A close-up of an ant on a leaf." } }],
  "usage": { "prompt_tokens": 1290, "completion_tokens": 12, "total_tokens": 1302, "cost": 0.000417 }
}

सीमाएँ और त्रुटियाँ

अनुरोध की बॉडी अधिकतम 25 MB हो सकती है। Base64 फ़ाइलों को लगभग 33% बड़ा कर देता है। बड़े अनुरोध 413 payload_too_large लौटाते हैं। बड़ी इमेज के लिए सार्वजनिक URL इस्तेमाल करें।
जो मॉडल किसी इनपुट प्रकार को स्वीकार नहीं करता वह अपस्ट्रीम 400 या 404 लौटाता है।
अन्य त्रुटियाँ चैट कंप्लीशन्स जैसी ही हैं। देखें त्रुटियाँ।