La API de imágenes de qwen (Qwen-VL-Max) es un modelo de visión y lenguaje de vanguardia de Alibaba. Sobresale en OCR de alta resolución, localización visual precisa con cuadros delimitadores y análisis de videos complejos, superando a GPT-4o en razonamiento matemático.
Funciones principales de la API de imágenes de Qwen
La API de imágenes de Qwen proporciona herramientas especializadas para la extracción de documentos de alta resolución y el razonamiento visual.
Grounding visual preciso
Proporciona coordenadas exactas de las cajas delimitadoras de los objetos, lo que permite realizar búsquedas visuales avanzadas y automatizar interfaces de usuario.
realism, a young scholar with glasses, wearing a tweed blazer, sits in a grand, ancient library. Sunlight streams through a massive arched window, illuminating dust motes dancing in the air. An open book rests on her lap as she looks up thoughtfully. Warm and cozy atmosphere, light academia aesthetic, narrative lighting, photorealistic.
Prompt
After
Grounding visual preciso
Proporciona coordenadas exactas de las cajas delimitadoras de los objetos, lo que permite realizar búsquedas visuales avanzadas y automatizar interfaces de usuario.
realism, a young scholar with glasses, wearing a tweed blazer, sits in a grand, ancient library. Sunlight streams through a massive arched window, illuminating dust motes dancing in the air. An open book rests on her lap as she looks up thoughtfully. Warm and cozy atmosphere, light academia aesthetic, narrative lighting, photorealistic.
Prompt
After
Análisis de videos de más de 20 minutos
Analiza videos de larga duración mediante un muestreo dinámico para detectar y resumir eventos temporales.
realism, a young woman sitting alone in a laundromat at midnight, wearing headphones, staring at the rotating dryer drum, neon reflections on the glass, a subtle expression of nostalgia on her face
Prompt
After
Análisis de videos de más de 20 minutos
Analiza videos de larga duración mediante un muestreo dinámico para detectar y resumir eventos temporales.
realism, a young woman sitting alone in a laundromat at midnight, wearing headphones, staring at the rotating dryer drum, neon reflections on the glass, a subtle expression of nostalgia on her face
Prompt
After
Razonamiento sobre gráficos complejos
Interpreta gráficos, tablas y fórmulas matemáticas con una precisión de vanguardia en MathVista.
A glamorous woman with a sharp bob haircut and dark lipstick. She is dressed in a stunning black and gold sequined flapper dress with long pearls. She leans against a gilded Art Deco bar, with a jazz band softly blurred in the background. Sophisticated, low-key lighting creates a luxurious and intimate mood, Great Gatsby era, glamorous, geometric patterns.
Prompt
After
Razonamiento sobre gráficos complejos
Interpreta gráficos, tablas y fórmulas matemáticas con una precisión de vanguardia en MathVista.
A glamorous woman with a sharp bob haircut and dark lipstick. She is dressed in a stunning black and gold sequined flapper dress with long pearls. She leans against a gilded Art Deco bar, with a jazz band softly blurred in the background. Sophisticated, low-key lighting creates a luxurious and intimate mood, Great Gatsby era, glamorous, geometric patterns.
Prompt
After
OCR nativo de alta resolución
Conserva la claridad del texto pequeño en diseños complejos y supera a los LLM estándar en la extracción de documentos densos.
A man in a suit is standing in front of the window, looking at the bright moon outside the window. The man is holding a yellowed paper with handwritten words on it: "A lantern moon climbs through the silver night, Unfurling quiet dreams across the sky, Each star a whispered promise wrapped in light, That dawn will bloom, though darkness wanders by." There is a cute cat on the windowsill.
Prompt
After
OCR nativo de alta resolución
Conserva la claridad del texto pequeño en diseños complejos y supera a los LLM estándar en la extracción de documentos densos.
A man in a suit is standing in front of the window, looking at the bright moon outside the window. The man is holding a yellowed paper with handwritten words on it: "A lantern moon climbs through the silver night, Unfurling quiet dreams across the sky, Each star a whispered promise wrapped in light, That dawn will bloom, though darkness wanders by." There is a cute cat on the windowsill.
Prompt
After
Cómo obtener una clave API de qwen-image
Obtener una clave API de qwen-image lleva cuatro pasos y unos minutos. Crea una cuenta gratuita en GPTProto, añade créditos, genera tu clave y haz tu primera llamada — a $0.0315 es una clave API de qwen-image más barata que ir directo, y una sola clave funciona con todos los modelos de la plataforma. La Documentación de qwen-image completa está en la documentación.
Inscribirse
Cree su cuenta GPT Proto gratuita para comenzar. Puedes configurar una organización para tu equipo en cualquier momento.
Completar
Su balanza se puede utilizar en todos los modelos de la plataforma, incluido qwen-image, lo que le brinda la flexibilidad de experimentar y escalar según sea necesario.
Genera tu clave API
En su panel de control, cree una clave API; la necesitará para autenticarse al realizar solicitudes a qwen-image.
Haz tu primera llamada API
Utilice su clave API con nuestro código de muestra para enviar una solicitud a qwen-image a través de GPT Proto y ver resultados instantáneos impulsados por IA.
Preguntas frecuentes sobre la implementación de la API de qwen image para tareas de OCR, comprensión de documentos y localización visual en GPTProto.
¿Cómo gestiona la API de qwen image los documentos de alta resolución?
A diferencia de los modelos que reducen la escala de las imágenes, la API de qwen image admite resoluciones de entrada variables. Esto permite que la API de qwen conserve la nitidez de las fuentes pequeñas y los detalles intrincados en dibujos arquitectónicos o artículos académicos densos, lo que se traduce en una mayor precisión de OCR en comparación con los modelos de cuadrícula fija.
¿Puede la API de qwen procesar contenido de vídeo de larga duración?
Sí, la API de qwen image puede analizar vídeos de más de 20 minutos. Utiliza un muestreo dinámico de fotogramas para realizar razonamiento temporal, lo que permite a los usuarios hacer preguntas sobre eventos o patrones específicos que ocurren a lo largo de grabaciones extensas.
¿La API de qwen image es compatible con los SDK de OpenAI?
Por supuesto. Proporcionamos un endpoint compatible con OpenAI para la API de qwen image. Puedes utilizar tu cliente existente de OpenAI para Python o Node.js simplemente actualizando la URL base y estableciendo el nombre del modelo como qwen-image, lo que facilita enormemente la integración.
¿Cuál es la estructura de precios de la API de qwen image?
La API de qwen image es muy rentable, con un precio aproximado de 2,80 $ por cada millón de tokens de entrada y salida. Es considerablemente más asequible que Claude 3.5 Sonnet, especialmente para tareas de gran volumen, como la extracción masiva de documentos o el OCR a gran escala.
¿La API de qwen admite coordenadas de localización visual?
Sí, la API de qwen image puede generar coordenadas normalizadas precisas [ymin, xmin, ymax, xmax] para los objetos que detecta. Esto hace que la API de qwen sea perfecta para crear motores de búsqueda visual, auditorías de seguridad automatizadas o herramientas de interacción con interfaces de usuario.
¿Los datos enviados a la API de qwen image se utilizan para el entrenamiento?
No. Los datos enviados a través de la API de qwen image de GPTProto no se utilizan para entrenar modelos. Priorizamos la privacidad de nivel empresarial y garantizamos que tus imágenes y prompts permanezcan confidenciales y seguros en todo momento.