Endpoint

Visione e file

Invia immagini, PDF, audio e video come parti di contenuto di un messaggio ai modelli multimodali, con formati, esempi, limiti di dimensione ed errori.

Provalo nel playground

I modelli multimodali accettano immagini, PDF, audio e video in un messaggio utente. Passa content come array di parti invece che come stringa. Per vedere cosa accetta un modello, controlla architecture.input_modalities in Modelli (image, file, audio, video).

Parti di contenuto

Parte	Forma	Note
Testo	`{ "type": "text", "text": "..." }`
Immagine	`{ "type": "image_url", "image_url": { "url": "https://..." \| "data:image/png;base64,...", "detail": "auto" } }`	PNG, JPEG, WebP, GIF. URL o data URL in base64.
PDF / file	`{ "type": "file", "file": { "filename": "doc.pdf", "file_data": "https://..." \| "data:application/pdf;base64,..." } }`	Funziona con qualsiasi modello. I modelli senza supporto nativo ai file ricevono il testo estratto.
Audio	`{ "type": "input_audio", "input_audio": { "data": "<base64>", "format": "wav" } }`	Solo base64. `wav`, `mp3` e altri, a seconda del modello.
Video	`{ "type": "video_url", "video_url": { "url": "https://..." } }`	Supportato da alcuni modelli, ad es. 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);

Esempio con un'immagine

{
  "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" } }
      ]
    }
  ]
}

Esempio con un PDF

{
  "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" } }]
}

Il plugin facoltativo file-parser sceglie come viene letto un PDF: pdf-text (estrazione gratuita del testo), mistral-ocr (OCR per le scansioni, fatturato per pagina) o native (il modello legge il file da sé). Il costo dell'analisi fa parte di usage.cost.

Risposta

La risposta è una normale chat completion. Gli input di immagini, file e audio contano come token di input, e il loro costo è in usage.cost:

{
  "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 }
}

Limiti ed errori

Il corpo di una richiesta può essere al massimo di 25 MB. Il base64 rende i file circa il 33% più grandi. Le richieste più grandi restituiscono 413 payload_too_large. Per le immagini grandi usa URL pubblici.
Un modello che non accetta un tipo di input restituisce un 400 o 404 dell'upstream.
Gli altri errori sono gli stessi di Chat completions. Vedi Errori.