gemini-3.1-pro-preview / image-to-text
gemini-3.1-pro-preview/image-to-text 模型代表多模態推理的巔峰，從零開始打造，旨在將視覺資料綜合轉化為可執行的文字洞察。此模型無縫整合於 GPT Proto 平台，為開發者與企業提供強大的工具組，涵蓋從自動化影像描述、複雜的 OCR，到複雜的 2D 與 3D 空間分析等任務。透過採用 gemini-3.1-pro-preview/image-to-text 架構，使用者無需再依賴零散的 ML 管線，而是可使用單一且強大的端點，完成物件偵測、分割遮罩，以及高保真度的視覺問答。

$ 1.2
$ 2

image

$ 7.2
$ 12

text

圖片轉文字

curl --request POST "https://gptproto.com/v1beta/models/gemini-3.1-pro-preview:generateContent" \
  --header "Authorization: Bearer $GPTPROTO_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "contents": [
      {
        "role": "user",
        "parts": [
          {
            "text": "這張 PNG 圖片中顯示了什麼？"
          },
          {
            "file_data": {
              "mime_type": "image/png",
              "file_uri": "https://tos.gptproto.com/resource/cat.png"
            }
          }
        ]
      }
    ],
    "generationConfig": {
      "thinkingConfig": {
        "includeThoughts": true,
        "thinkingLevel": "HIGH"
      }
    }
  }'
相關模型
所有模型
Claude
Claude
claude-opus-5
$ 20
$ 25
Google
Google
gemini-3.6-flash
$ 4.5
$ 7.5
MoonshotAI
MoonshotAI
kimi-k3
$ 13.5
$ 15
OpenAI
OpenAI
gpt-5.6-luna
$ 0.96
$ 1.2
Grok
Grok
grok-4.5
$ 3.6
$ 6
MiniMax
MiniMax
MiniMax-M3
$ 0.96
$ 1.2
範例

運用 gemini-3.1-pro-preview/image-to-text 的強大功能，實現進階視覺智慧

在 GPT Proto 上，透過 gemini-3.1-pro-preview/image-to-text 體驗電腦視覺的下一個演進階段。此模型不僅能看見像素，更能理解情境、深度與空間關係。準備好轉變您的工作流程了嗎？ 立即探索 gemini-3.1-pro-preview/image-to-text.

克服傳統影像辨識的瓶頸

多年來，開發人員不得不堆疊多個專用模型，才能實現 gemini-3.1-pro-preview/image-to-text 透過單次推論即可完成的工作。傳統 OCR 引擎缺乏情境感知能力，而獨立的物件偵測模型則難以進行語意標記。gemini-3.1-pro-preview/image-to-text 模型以多模態設計解決了這個問題。它將視覺輸入視為原生資料類型，讓影像與文字之間能夠流暢推理。無論您是在分析醫療圖表，還是混亂的城市街景，gemini-3.1-pro-preview/image-to-text 都能維持對整體場景的一致理解。

在 GPT Proto 上，我們提供讓 gemini-3.1-pro-preview/image-to-text 發揮實力的基礎架構。憑藉最佳化的延遲與全球邊緣網路，您向 gemini-3.1-pro-preview/image-to-text 發出的請求都能以企業級速度處理。這對即時應用程式至關重要，因為視覺處理的每一毫秒都會影響使用者留存率與系統可靠性。

技術深入解析：空間推理與分割

gemini-3.1-pro-preview/image-to-text 的突出功能之一，是其強化的空間理解能力。不同於只能提供模糊描述的舊模型，gemini-3.1-pro-preview/image-to-text 能在 0 到 1000 的尺度上提供標準化邊界框座標 [ymin, xmin, ymax, xmax]。這種精確度可實現與前端 UI 元素或機器人控制系統的像素級整合。此外，gemini-3.1-pro-preview/image-to-text 支援進階分割功能，能回傳以 base64 編碼的 PNG 遮罩，讓您以外科手術般的精確度隔離物件。

使用案例：企業電子商務自動化

在競爭激烈的數位零售領域，gemini-3.1-pro-preview/image-to-text 可作為強大的自動化目錄建立工具。將產品照片傳送至 gemini-3.1-pro-preview/image-to-text 後，系統即可立即產生 SEO 最佳化標題、詳細的材質描述，甚至偵測細微的製造瑕疵。我們的經驗顯示，在 GPT Proto 上使用 gemini-3.1-pro-preview/image-to-text 可將手動資料輸入時間縮短超過 85%，確保新庫存以前所未有的速度上架。

使用案例：動態無障礙系統

對重視包容性的平臺而言，gemini-3.1-pro-preview/image-to-text 提供了產生替代文字的革命性方式。除了簡單的標籤之外，gemini-3.1-pro-preview/image-to-text 還能描述影像的情緒基調、主體之間的相對位置，甚至讀取環境中的複雜文字。這使 gemini-3.1-pro-preview/image-to-text 成為打造真正無障礙網路、服務視障使用者不可或缺的工具。

"gemini-3.1-pro-preview/image-to-text 的分割能力結合 GPT Proto API 的穩定性，重新定義了我們處理視覺資料的方式。不再只是辨識物件，而是理解它在世界中的位置。"

GPT Proto 上的穩定性與可擴展性

在 GPT Proto 上部署 gemini-3.1-pro-preview/image-to-text，確保您的應用程式建立於可靠的基礎之上。我們負責處理多模態 token 計算的繁重工作—gemini-3.1-pro-preview/image-to-text 通常每個 768x768 圖塊會消耗 258 個 token—在不犧牲品質的情況下最佳化您的成本。若要深入了解我們的整合協定，請參閱 介紹指南.

功能 傳統視覺模型 GPT Proto 上的 gemini-3.1-pro-preview/image-to-text
處理類型 單模態（僅影像） 真正的多模態推理
空間輸出 基本標籤 0-1000 標準化邊界框
分割 不支援 Base64 PNG 輪廓遮罩
每個請求的檔案上限 1-10 最多 3,600 個影像檔案

透明的使用方式與計費

在 GPT Proto，我們相信清晰透明。沒有隱藏的「點數」或複雜的方案層級。只需 為餘額加值，即可立即開始使用 gemini-3.1-pro-preview/image-to-text。您可以透過 管理主控台即時監控用量，確保您只需為 gemini-3.1-pro-preview/image-to-text 執行個體實際消耗的資源付費。

視覺 AI 的未來就在此。結合 gemini-3.1-pro-preview/image-to-text 的原始強大功能與 GPT Proto 以開發人員為核心的特色，您已準備好打造下一代智慧應用程式。歡迎在我們的 官方部落格掌握最新的視覺技術趨勢。

如何取得 gemini-3.1-pro-preview API 金鑰

取得 gemini-3.1-pro-preview API 金鑰只需四個步驟，僅需幾分鐘。建立免費的 GPTProto 帳號、儲值、產生金鑰，並進行第一次呼叫 — 在 $1.2 / $7.2 這裡能以比直連更划算的價格取得 gemini-3.1-pro-preview API 金鑰，且單一金鑰即可在平台上所有模型通用。完整 gemini-3.1-pro-preview 說明文件 請參閱說明文件。

註冊

註冊

建立您的免費 GPT Proto 帳號即可開始。您可以隨時為您的團隊設定組織。

儲值

儲值

您的餘額可用於平台上的所有模型，包括 gemini-3.1-pro-preview，讓您能靈活地進行實驗並隨需求擴充。

產生您的 API 金鑰

產生您的 API 金鑰

在您的儀表板中建立 API 金鑰 — 進行 gemini-3.1-pro-preview 請求時，您將需要它來進行驗證。

進行第一次 API 呼叫

進行第一次 API 呼叫

使用您的 API 金鑰搭配我們的範例程式碼，透過 GPT Proto 向 gemini-3.1-pro-preview 發送請求，並立即查看 AI 生成的結果。

取得 API 金鑰

你需要了解的關於 gemini-3.1-pro-preview/image-to-text 的一切

關於在 GPT Proto 平台上部署與最佳化 gemini-3.1-pro-preview/image-to-text 的常見問題專業解答。

gemini-3.1-pro-preview/image-to-text 相較於先前版本的主要優勢是什麼？

gemini-3.1-pro-preview/image-to-text 模型提供卓越的多模態推理能力與增強型分割遮罩，能以遠高於前代模型的精確度理解並隔離物件。

如何將高解析度圖片傳遞給 gemini-3.1-pro-preview/image-to-text？

你可以在 GPT Proto 上使用 File API 上傳大型檔案，接著由 gemini-3.1-pro-preview/image-to-text 透過切片機制進行處理，其中每個 768x768 切片會以 258 個 token 計算。

gemini-3.1-pro-preview/image-to-text 是否支援物件偵測座標？

可以，gemini-3.1-pro-preview/image-to-text 會以 [ymin, xmin, ymax, xmax] 格式提供邊界框，並正規化至 0-1000 的範圍，方便還原至原始圖片尺寸。

gemini-3.1-pro-preview/image-to-text 能否在單一提示中處理多張圖片？

當然可以。gemini-3.1-pro-preview/image-to-text 單次請求最多可處理 3,600 張圖片，非常適合批次分析或時間序列推理。

哪些圖片格式與 gemini-3.1-pro-preview/image-to-text 相容？

gemini-3.1-pro-preview/image-to-text 支援 PNG、JPEG、WEBP、HEIC 與 HEIF 格式，確保各種行動與網頁應用程式都具備廣泛的相容性。

使用 gemini-3.1-pro-preview/image-to-text 時，檔案大小是否有限制？

對於內嵌資料，gemini-3.1-pro-preview/image-to-text 的請求總大小應低於 20MB。對於較大的檔案，建議在 GPT Proto 上使用 File API。

gemini-3.1-pro-preview/image-to-text 如何計算圖片的 token 使用量？

對於兩個尺寸皆 ≤ 384px 的圖片，gemini-3.1-pro-preview/image-to-text 會收取固定的 258 個 token。較大的圖片會切分為 768x768 的區塊，每個區塊耗用 258 個 token。

我可以直接從 gemini-3.1-pro-preview/image-to-text 取得 JSON 輸出嗎？

可以，將 response_mime_type 設定為 application/json，即可強制 gemini-3.1-pro-preview/image-to-text 回傳物件偵測或分割所需的結構化資料。

gemini-3.1-pro-preview/image-to-text 中的 'media_resolution' 參數是什麼？

此參數可讓你控制 gemini-3.1-pro-preview/image-to-text 為每張圖片配置的最大 token 數量，針對特定使用情境在細節與延遲之間取得平衡。

如何儲值餘額以使用 gemini-3.1-pro-preview/image-to-text？

你可以前往 GPT Proto 的 Billing Center，選擇 'Top-up Balance' 或 'Add Funds'，確保 gemini-3.1-pro-preview/image-to-text 的 API 呼叫不中斷。

gemini-3.1-pro-preview/image-to-text 是否適用於 3D 空間理解？

可以，gemini-3.1-pro-preview/image-to-text 提供實驗性的 3D 指向與空間推理支援，你可以透過專用的提示設定進行探索。

gemini-3.1-pro-preview/image-to-text 能否讀取不同方向的文字？

gemini-3.1-pro-preview/image-to-text 的穩健性很高，但為了獲得最佳結果，我們建議在將圖片傳送給模型前，確認圖片方向已正確旋轉。

相關文章

更多部落格
Gemini 3 Pro Image Preview：完整評測

Gemini 3 Pro Image Preview：完整評測

在我們對其多模態邏輯的詳細效能分析中，探索 Gemini 3 Pro Image Preview 的各項能力。了解它如今的運作方式！

Gemini 3 Image Generator：AI 藝術的未來

Gemini 3 Image Generator：AI 藝術的未來

探索革命性的 Gemini 3 圖像生成器。了解其進階功能、發展歷史，以及它對我們日常生活的影響。

什麼是 Nano-Banana？神秘新 AI 模型解析

什麼是 Nano-Banana？神秘新 AI 模型解析

聽說過關於 Nano-Banana AI 的傳聞嗎？探索我們對這款全新圖像模型的了解、它為何備受矚目，以及它對 AI 未來的意義。

Gemini 3 Flash：快速、便宜，但它夠聰明嗎？

Gemini 3 Flash：快速、便宜，但它夠聰明嗎？

Google 的 gemini 3 flash 以深度推理換取極致速度與低成本。了解如何最佳化提示詞，並避免在下一個專案中產生幻覺。