API изображений Qwen (Qwen-VL-Max) — передовая мультимодальная модель Alibaba. Она превосходно справляется с OCR в высоком разрешении, точной визуальной привязкой с ограничивающими рамками и сложным анализом видео, превосходя GPT-4o в математических рассуждениях.
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.
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
Анализ видео длительностью более 20 минут
Анализирует видео большой продолжительности с помощью динамической выборки для обнаружения временных событий и создания кратких описаний.
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
Анализ видео длительностью более 20 минут
Анализирует видео большой продолжительности с помощью динамической выборки для обнаружения временных событий и создания кратких описаний.
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
Рассуждение по сложным диаграммам
Интерпретирует графики, таблицы и математические формулы с передовой точностью в 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
Рассуждение по сложным диаграммам
Интерпретирует графики, таблицы и математические формулы с передовой точностью в 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
Нативное OCR в высоком разрешении
Сохраняет четкость мелкого текста в сложных макетах, превосходя стандартные LLM при извлечении данных из насыщенных информацией документов.
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
Нативное OCR в высоком разрешении
Сохраняет четкость мелкого текста в сложных макетах, превосходя стандартные LLM при извлечении данных из насыщенных информацией документов.
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
Как получить API-ключ qwen-image
Получение API-ключа qwen-image занимает четыре шага и несколько минут. Создайте бесплатный аккаунт GPTProto, пополните баланс, создайте ключ и выполните первый запрос — через $0.0315 это более выгодный API-ключ qwen-image, чем при прямом подключении, а один ключ работает со всеми моделями платформы. Полная Документация qwen-image доступна в документации.
Регистрация
Создайте бесплатный аккаунт GPTProto. В любое время можно настроить организацию для команды.
Пополнить баланс
Баланс можно использовать для всех моделей платформы, включая qwen-image.
Создать API-ключ
Создайте API-ключ в панели управления для запросов к qwen-image.
Выполнить первый API-запрос
Используйте API-ключ с примером кода, чтобы отправить запрос к qwen-image через GPTProto.
Ответы на распространенные вопросы о внедрении qwen image api для задач OCR, понимания документов и визуального заземления на GPTProto.
Как qwen image api обрабатывает документы в высоком разрешении?
В отличие от моделей, которые уменьшают изображения, qwen image api поддерживает различные входные разрешения. Это позволяет qwen api сохранять четкость мелких шрифтов и сложных деталей на архитектурных чертежах или в объемных академических работах, обеспечивая более высокую точность OCR по сравнению с моделями с фиксированной сеткой.
Может ли qwen api обрабатывать видеоконтент большой продолжительности?
Да, qwen image api способен анализировать видео длительностью более 20 минут. Он использует динамическую выборку кадров для выполнения временного анализа, позволяя пользователям задавать вопросы о конкретных событиях или закономерностях, происходящих на протяжении длительных видеозаписей.
Совместим ли qwen image api с SDK OpenAI?
Безусловно. Мы предоставляем совместимый с OpenAI endpoint для qwen image api. Вы можете использовать существующий клиент OpenAI для Python или Node.js, просто обновив базовый URL и указав имя модели qwen-image, что делает интеграцию максимально простой.
Как устроена тарифная структура qwen image api?
qwen image api отличается высокой экономичностью: стоимость как входных, так и выходных данных составляет примерно $2.80 за 1M токенов. Это значительно доступнее, чем Claude 3.5 Sonnet, особенно для задач с большими объемами данных, таких как массовое извлечение информации из документов или крупномасштабное распознавание текста.
Поддерживает ли qwen api координаты визуального заземления?
Да, qwen image api может возвращать точные нормализованные координаты [ymin, xmin, ymax, xmax] для обнаруженных объектов. Это делает qwen api идеальным решением для создания систем визуального поиска, автоматизированного аудита безопасности или инструментов взаимодействия с пользовательским интерфейсом.
Используются ли данные, отправленные в qwen image api, для обучения?
Нет. Данные, отправленные через GPTProto qwen image api, не используются для обучения модели. Мы уделяем приоритетное внимание конфиденциальности корпоративного уровня, гарантируя, что ваши изображения и промпты всегда остаются конфиденциальными и защищенными.