レスポンスの作成
/v1/responsesMOSS-VLで画像または動画を理解し、テキスト結果をResponses APIオブジェクトとして返します。各リクエストにはテキスト指示とメディアの両方を含める必要があります。
リクエストパラメータ
モデルID。安定版モデルIDの使用を推奨します。固定バージョンを再現する必要がある場合は、スナップショットモデルIDを指定できます。
入力メッセージの配列。現在はrole=userのメッセージをちょうど1件含める必要があります。
現在はuserで固定です。
コンテンツの配列。空でないinput_textを少なくとも1つ含み、さらに1~5個のinput_imageまたは1個のinput_videoを含める必要があります。画像と動画を混在させて入力することはできません。
コンテンツの種類。
画像または動画の理解に関する指示。空でない文字列である必要があります。
サーバーからアクセス可能な画像URL。同じコンテンツ項目のfile_idといずれか一方を指定します。画像1枚あたり最大30 MBで、PNG、JPG、JPEG、WebP、BMP、GIF、TIFFに対応しています。
アップロード済み画像のファイルID。同じコンテンツ項目のimage_urlといずれか一方を指定します。画像1枚あたり最大30 MBで、PNG、JPG、JPEG、WebP、BMP、GIF、TIFFに対応しています。
サーバーからアクセス可能な動画URL。同じコンテンツ項目のfile_idといずれか一方を指定します。動画1本あたり最大200 MBで、現在は動画の長さに制限はありません。MP4、M4V、AVI、MOV、WebM、MKVに対応しています。
アップロード済み動画のファイルID。同じコンテンツ項目のvideo_urlといずれか一方を指定します。動画1本あたり最大200 MBで、現在は動画の長さに制限はありません。MP4、M4V、AVI、MOV、WebM、MKVに対応しています。
最大出力トークン数。範囲は1~8192です。
戻り値
APIはResponses APIオブジェクトを返します。モデルが生成したテキストはoutput[].content[].textにあります。出力が完全かどうかはstatusで判断します。
レスポンスの状態。現在はcompletedまたはincompleteです。
出力が不完全な理由。出力上限に達した場合はmax_output_tokensです。
出力項目のリスト。
出力コンテンツのリスト。
現在、テキスト結果ではoutput_textで固定です。
モデルが生成したテキスト結果。
今回のリクエストで使用した入力トークン数。
今回のリクエストで生成した出力トークン数。
入力トークンと出力トークンの合計数。
レスポンスにはID、オブジェクトの種類、時刻、モデルなどの共通メタデータも含まれます。完全な構造は右側のレスポンス例を参照してください。クライアントは使用しない追加フィールドを無視してください。usageは今回のリクエストのトークン使用量のみを表します。
エラーコード
入力内容の欠落、メディア数の上限超過、画像と動画の混在、またはメディアのソース / 形式の不正。