クイックスタート: AI チャットで画像を使用する

[アーティクル]
10/31/2024

Azure OpenAI Service で画像を含む GPT-4 Turbo の使用を開始します。

Note

モデルの選択

最新のビジョン対応モデルは、gpt-4o と gpt-4o mini です。これらはパブリックプレビュー段階です。利用可能な最新の GA モデルは、gpt-4 バージョンの turbo-2024-04-09 です。

Azure AI Studio を使用すると、コードを書かなくても GPT-4 Turbo with Vision 機能の探索を開始できます。

前提条件

Azure サブスクリプション。無料で作成できます。
GPT-4 Turbo with Vision モデルがデプロイされた Azure OpenAI Service リソース。使用可能なリージョンについては、 GPT-4 および GPT-4 Turbo プレビューモデルの可用性に関するページを参照してください。リソース作成の詳細については、リソースデプロイガイドを参照してください。

Note

現在、GPT-4 Turbo with Vision モデルのコンテンツフィルター処理をオフにすることはサポートされていません。

Azure AI Studio に移動する

Azure AI Studio にアクセスし、Azure OpenAI リソースに関連付けられている資格情報でサインインします。サインインワークフローの途中または後で、適切なディレクトリ、Azure サブスクリプション、Azure OpenAI リソースを選択します。

[管理] で [デプロイ] を選択し、GPT-4 Turbo with Vision デプロイを作成します。その際、モデル名に "gpt-4" を、モデルバージョンに "vision-preview" を選択します。モデルデプロイの詳細については、リソースデプロイガイドを参照してください。

[プレイグラウンド] セクションで [チャット] を選択します。

プレイグラウンド

このページから、簡単に反復し、モデルの機能を実験することができます。

アシスタントセットアップ、チャットセッション、設定、パネルの全般的ヘルプについては、「チャットのクイックスタート」を参照してください。

チャットセッションを開始して画像やビデオを分析する

画像プロンプト

このチャットセッションでは、入力した画像を解釈できるようにアシスタントに指示します。

まず、GPT-4 Turbo with Vision デプロイをドロップダウンから選択します。
[アシスタントのセットアップ] ペインで、アシスタントをガイドするシステムメッセージを入力します。既定のシステムメッセージは、"あなたは、情報の検索を支援する AI アシスタントです" です。アップロードする画像またはシナリオに合わせてシステムメッセージを調整できます。

Note

モデルから役に立たない応答が返されないように、タスクに特化したシステムメッセージに更新することをお勧めします。
変更を保存し、システムメッセージの更新を確定するか問われたら、[続行] を選択します。
[チャットセッション] ウィンドウで、"この画像を説明して" などのテキストプロンプトを入力し、添付ボタンで画像をアップロードします。ユースケースには別のテキストプロンプトを使用できます。次に、[送信] を選択します。
出力を確認します。理解を深めるため、画像の分析に関連するフォローアップの質問をすることを検討してください。

リソースをクリーンアップする

Azure OpenAI リソースをクリーンアップして削除したい場合は、リソースまたはリソースグループを削除できます。リソースグループを削除すると、それに関連付けられている他のリソースも削除されます。

この記事を使用して、GPT-4 Turbo with Vision モデルをデプロイして使用するために Azure OpenAI REST API の使用を開始します。

前提条件

Azure サブスクリプション。無料で作成できます。
Python 3.8 以降のバージョン。
次の Python ライブラリ: requests、json。
GPT-4 Turbo with Vision モデルがデプロイされた Azure OpenAI Service リソース。使用可能なリージョンについては、 GPT-4 および GPT-4 Turbo プレビューモデルの可用性に関するページを参照してください。リソース作成の詳細については、リソースデプロイガイドを参照してください。

Note

現在、GPT-4 Turbo with Vision モデルのコンテンツフィルター処理をオフにすることはサポートされていません。

キーとエンドポイントを取得する

Azure OpenAI API を正常に呼び出すには、Azure OpenAI リソースに関する次の情報が必要です。

変数	名前	値
エンドポイント	`api_base`	エンドポイント値は、Azure portal のリソースの [キーとエンドポイント] にあります。また、Azure AI Studio の [デプロイ] ページからエンドポイントを見つけることもできます。エンドポイントの例: `https://docs-test-001.openai.azure.com/`。
キー	`api_key`	キー値は、Azure portal のリソースの [キーとエンドポイント] にあります。 Azure では、リソースに対して 2 つのキーが生成されます。いずれかの値を使用できます。

Azure portal でリソースに移動します。ナビゲーションウィンドウで、[リソース管理] の [キーとエンドポイント] を選択します。 [エンドポイント] の値とアクセスキーの値をコピーします。 KEY 1 または KEY 2 のいずれかの値を使用できます。 2 つのキーを用意しておくと、サービスを中断させることなく、キーのローテーションと再生成を安全に行うことができます。

新しい Python アプリケーションを作成する

quickstart.py という名前の新しい Python ファイルを作成します。好みのエディターまたは IDE で新しいファイルを開きます。

quickstart.py の内容を次のコードで置き換えます。

# Packages required:
import requests 
import json 

api_base = '<your_azure_openai_endpoint>' 
deployment_name = '<your_deployment_name>'
API_KEY = '<your_azure_openai_key>'

base_url = f"{api_base}openai/deployments/{deployment_name}" 
headers = {   
    "Content-Type": "application/json",   
    "api-key": API_KEY 
} 

# Prepare endpoint, headers, and request body 
endpoint = f"{base_url}/chat/completions?api-version=2023-12-01-preview" 
data = { 
    "messages": [ 
        { "role": "system", "content": "You are a helpful assistant." }, 
        { "role": "user", "content": [  
            { 
                "type": "text", 
                "text": "Describe this picture:" 
            },
            { 
                "type": "image_url",
                "image_url": {
                    "url": "<image URL>"
                }
            }
        ] } 
    ], 
    "max_tokens": 2000 
}   

# Make the API call   
response = requests.post(endpoint, headers=headers, data=json.dumps(data))   

print(f"Status Code: {response.status_code}")   
print(response.text)

次の変更を行います。
1. エンドポイント URL とキーを適切なフィールドに入力します。
2. 適切なフィールドに GPT-4 Turbo with Vision デプロイ名を入力します。
3. "image" フィールドの値を画像の URL に変更します。
  
  ヒント
  
  URL ではなく、Base 64 でエンコードされた画像データを使うこともできます。詳細については、GPT-4 Turbo with Vision の攻略ガイドに関するページを参照してください。
python コマンドを使用してアプリケーションを実行します。
```
python quickstart.py
```

リソースをクリーンアップする

この記事を参照して、Azure OpenAI Python SDK の使用を開始し、GPT-4 Turbo with Vision モデルをデプロイして使います。

ライブラリのソースコード | パッケージ (PyPi) |

前提条件

Azure サブスクリプション。無料で作成できます。
Python 3.8 以降のバージョン。
次の Python ライブラリ: os
GPT-4 Turbo with Vision モデルがデプロイされた Azure OpenAI Service リソース。使用可能なリージョンについては、 GPT-4 および GPT-4 Turbo プレビューモデルの可用性に関するページを参照してください。リソース作成の詳細については、リソースデプロイガイドを参照してください。

設定

次を使用して、OpenAI Python クライアントライブラリをインストールします。

pip install openai

Note

このライブラリは、OpenAI によって保持されます。このライブラリの最新の更新を追跡するには、リリース履歴を参照してください。

キーとエンドポイントを取得する

Azure OpenAI に対して正常に呼び出しを行うには、エンドポイントとキーが必要です。

変数名	Value
`ENDPOINT`	サービスエンドポイントは、Azure portal でリソースを調べるときに、[キーとエンドポイント] セクションで確認できます。または、Azure AI Studio の [デプロイ] ページからエンドポイントを見つけることができます。エンドポイントの例: `https://docs-test-001.openai.azure.com/`。
`API-KEY`	この値は、Azure portal からリソースを確認する際に、 [Keys & Endpoint](キーとエンドポイント) セクションで確認することができます。 `KEY1` または `KEY2` を使用できます。

Azure portal でリソースに移動します。 [キーとエンドポイント] セクションは、[リソース管理] セクションにあります。エンドポイントとアクセスキーをコピーします。これらは、API 呼び出しを認証するために両方とも必要です。 KEY1 または KEY2 を使用できます。常に 2 つのキーを用意しておくと、サービスを中断させることなく、キーのローテーションと再生成を安全に行うことができます。

環境変数

キーとエンドポイントの永続的な環境変数を作成して割り当てます。

重要

API キーを使用する場合は、それを Azure Key Vault などの別の場所に安全に保存します。 API キーは、コード内に直接含めないようにし、絶対に公開しないでください。

AI サービスのセキュリティの詳細については、「Azure AI サービスに対する要求の認証」を参照してください。

setx AZURE_OPENAI_API_KEY "REPLACE_WITH_YOUR_KEY_VALUE_HERE" 
setx AZURE_OPENAI_ENDPOINT "REPLACE_WITH_YOUR_ENDPOINT_HERE"

[System.Environment]::SetEnvironmentVariable('AZURE_OPENAI_API_KEY', 'REPLACE_WITH_YOUR_KEY_VALUE_HERE', 'User')
[System.Environment]::SetEnvironmentVariable('AZURE_OPENAI_ENDPOINT', 'REPLACE_WITH_YOUR_ENDPOINT_HERE', 'User')

export AZURE_OPENAI_API_KEY="REPLACE_WITH_YOUR_KEY_VALUE_HERE"
export AZURE_OPENAI_ENDPOINT="REPLACE_WITH_YOUR_ENDPOINT_HERE"

新しい Python アプリケーションを作成する

quickstart.py という名前の新しい Python ファイルを作成します。好みのエディターまたは IDE で新しいファイルを開きます。

quickstart.py の内容を次のコードで置き換えます。

from openai import AzureOpenAI

api_base = os.getenv("AZURE_OPENAI_ENDPOINT")
api_key= os.getenv("AZURE_OPENAI_API_KEY")
deployment_name = '<your_deployment_name>'
api_version = '2023-12-01-preview' # this might change in the future

client = AzureOpenAI(
    api_key=api_key,  
    api_version=api_version,
    base_url=f"{api_base}/openai/deployments/{deployment_name}"
)

response = client.chat.completions.create(
    model=deployment_name,
    messages=[
        { "role": "system", "content": "You are a helpful assistant." },
        { "role": "user", "content": [  
            { 
                "type": "text", 
                "text": "Describe this picture:" 
            },
            { 
                "type": "image_url",
                "image_url": {
                    "url": "<image URL>"
                }
            }
        ] } 
    ],
    max_tokens=2000 
)

print(response)

次の変更を行います。
1. 適切なフィールドに GPT-4 Turbo with Vision デプロイの名前を入力します。
2. "url" フィールドの値を画像の URL に変更します。
  
  ヒント
  
  URL ではなく、Base 64 でエンコードされた画像データを使うこともできます。詳細については、GPT-4 Turbo with Vision の攻略ガイドに関するページを参照してください。
python コマンドを使用してアプリケーションを実行します。
```
python quickstart.py
```

リソースをクリーンアップする

この記事を参照して OpenAI JavaScript SDK の使用を開始し、GPT-4 Turbo with Vision モデルをデプロイして使用します。

この SDK は OpenAI によって提供されており、Azure によって提供される Azure 固有の種類が含まれています。

リファレンスのドキュメント | ライブラリのソースコード | パッケージ (npm) | サンプル

前提条件

Azure サブスクリプション - 無料アカウントを作成します
Node.js の LTS バージョン
Azure CLI をローカル開発環境でのパスワードレス認証に使用する場合は、Azure CLI でサインインして必要なコンテキストを作成します。
サポートされるリージョンに作成された Azure OpenAI リソース (利用可能なリージョンの情報をご覧ください)。詳細については、「Azure OpenAI を使用してリソースを作成し、モデルをデプロイする」を参照してください。

Note

このライブラリは、OpenAI によって保持されます。このライブラリの最新の更新を追跡するには、リリース履歴を参照してください。

キーとエンドポイントを取得する

Azure OpenAI に対して正常に呼び出しを行うには、エンドポイントとキーが必要です。

変数名	Value
`ENDPOINT`	サービスエンドポイントは、Azure portal でリソースを調べるときに、[キーとエンドポイント] セクションで確認できます。または、Azure AI Studio の [デプロイ] ページからエンドポイントを見つけることができます。エンドポイントの例: `https://docs-test-001.openai.azure.com/`。
`API-KEY`	この値は、Azure portal からリソースを確認する際に、 [Keys & Endpoint](キーとエンドポイント) セクションで確認することができます。 `KEY1` または `KEY2` を使用できます。

環境変数

キーとエンドポイントの永続的な環境変数を作成して割り当てます。

重要

AI サービスのセキュリティの詳細については、「Azure AI サービスに対する要求の認証」を参照してください。

setx AZURE_OPENAI_API_KEY "REPLACE_WITH_YOUR_KEY_VALUE_HERE" 
setx AZURE_OPENAI_ENDPOINT "REPLACE_WITH_YOUR_ENDPOINT_HERE"

[System.Environment]::SetEnvironmentVariable('AZURE_OPENAI_API_KEY', 'REPLACE_WITH_YOUR_KEY_VALUE_HERE', 'User')
[System.Environment]::SetEnvironmentVariable('AZURE_OPENAI_ENDPOINT', 'REPLACE_WITH_YOUR_ENDPOINT_HERE', 'User')

export AZURE_OPENAI_API_KEY="REPLACE_WITH_YOUR_KEY_VALUE_HERE"
export AZURE_OPENAI_ENDPOINT="REPLACE_WITH_YOUR_ENDPOINT_HERE"

Node アプリケーションを作成する

コンソールウィンドウ (cmd、PowerShell、Bash など) で、ご利用のアプリ用に新しいディレクトリを作成し、そこに移動します。次に、npm init コマンドを実行し、package.json ファイルを使用してノードアプリケーションを作成します。

npm init

クライアントライブラリをインストールする

次のコマンドを使用してクライアントライブラリをインストールします。

npm install openai @azure/identity

アプリの package.json ファイルは依存関係を含めて更新されます。

画像プロンプト用の新しい JavaScript アプリケーションを作成する

azure-samples/cognitive-services-sample-data-files から画像を選択し、環境変数で画像の URL を設定します。

Microsoft Entra ID
API キー

quickstart.js の内容を次のコードに置き換えます。

const AzureOpenAI = require('openai').AzureOpenAI;
const { 
    DefaultAzureCredential, 
    getBearerTokenProvider 
} = require('@azure/identity');

// You will need to set these environment variables or edit the following values
const endpoint = process.env["AZURE_OPENAI_ENDPOINT"] || "<endpoint>";
const imageUrl = process.env["IMAGE_URL"] || "<image url>";

// Required Azure OpenAI deployment name and API version
const apiVersion = "2024-07-01-preview";
const deploymentName = "gpt-4-with-turbo";

// keyless authentication    
const credential = new DefaultAzureCredential();
const scope = "https://cognitiveservices.azure.com/.default";
const azureADTokenProvider = getBearerTokenProvider(credential, scope);

function getClient(): AzureOpenAI {
  return new AzureOpenAI({
    endpoint,
    azureADTokenProvider,
    apiVersion,
    deployment: deploymentName,
  });
}
function createMessages() {
  return {
    messages: [
      { role: "system", content: "You are a helpful assistant." },
      {
        role: "user",
        content: [
          {
            type: "text",
            text: "Describe this picture:",
          },
          {
            type: "image_url",
            image_url: {
              url: imageUrl,
            },
          },
        ],
      },
    ],
    model: "",
    max_tokens: 2000,
  };
}
async function printChoices(completion) {
  for (const choice of completion.choices) {
    console.log(choice.message);
  }
}
export async function main() {
  console.log("== Get GPT-4 Turbo with vision Sample ==");

  const client = getClient();
  const messages = createMessages();
  const completion = await client.chat.completions.create(messages);
  await printChoices(completion);
}

main().catch((err) => {
  console.error("Error occurred:", err);
});

次の変更を行います。
1. 適切なフィールドに GPT-4 Turbo with Vision デプロイの名前を入力します。
2. "url" フィールドの値を画像の URL に変更します。
  
  ヒント
  
  URL ではなく、Base 64 でエンコードされた画像データを使うこともできます。詳細については、GPT-4 Turbo with Vision の攻略ガイドに関するページを参照してください。
次のコマンドでアプリケーションを実行します。
```
node quickstart.js
```

quickstart.js の内容を次のコードに置き換えます。

const { AzureOpenAI } = require("openai");

// You will need to set these environment variables or edit the following values
const endpoint = process.env["AZURE_OPENAI_ENDPOINT"] || "<endpoint>";
const apiKey = process.env["AZURE_OPENAI_API_KEY"] || "<api key>";
const imageUrl = process.env["IMAGE_URL"] || "<image url>";

// Required Azure OpenAI deployment name and API version
const apiVersion = "2024-07-01-preview";
const deploymentName = "gpt-4-with-turbo";

function getClient() {
  return new AzureOpenAI({
    endpoint,
    apiKey,
    apiVersion,
    deployment: deploymentName,
  });
}
function createMessages() {
  return {
    messages: [
      { role: "system", content: "You are a helpful assistant." },
      {
        role: "user",
        content: [
          {
            type: "text",
            text: "Describe this picture:",
          },
          {
            type: "image_url",
            image_url: {
              url: imageUrl,
            },
          },
        ],
      },
    ],
    model: "",
    max_tokens: 2000,
  };
}
async function printChoices(completion) {
  for (const choice of completion.choices) {
    console.log(choice.message);
  }
}
export async function main() {
  console.log("== Get GPT-4 Turbo with vision Sample ==");

  const client = getClient();
  const messages = createMessages();
  const completion = await client.chat.completions.create(messages);
  await printChoices(completion);
}

main().catch((err) => {
  console.error("Error occurred:", err);
});

次の変更を行います。
1. 適切なフィールドに GPT-4 Turbo with Vision デプロイの名前を入力します。
2. "url" フィールドの値を画像の URL に変更します。
  
  ヒント
  
  URL ではなく、Base 64 でエンコードされた画像データを使うこともできます。詳細については、GPT-4 Turbo with Vision の攻略ガイドに関するページを参照してください。
次のコマンドでアプリケーションを実行します。
```
node quickstart.js
```

リソースをクリーンアップする

この記事を参照して OpenAI JavaScript SDK の使用を開始し、GPT-4 Turbo with Vision モデルをデプロイして使用します。

この SDK は OpenAI によって提供されており、Azure によって提供される Azure 固有の種類が含まれています。

リファレンスのドキュメント | ライブラリのソースコード | パッケージ (npm) | サンプル

前提条件

Azure サブスクリプション - 無料アカウントを作成します
Node.js の LTS バージョン
TypeScript
Azure CLI をローカル開発環境でのパスワードレス認証に使用する場合は、Azure CLI でサインインして必要なコンテキストを作成します。
サポートされるリージョンに作成された Azure OpenAI リソース (利用可能なリージョンの情報をご覧ください)。詳細については、「Azure OpenAI を使用してリソースを作成し、モデルをデプロイする」を参照してください。

Note

このライブラリは、OpenAI によって保持されます。このライブラリの最新の更新を追跡するには、リリース履歴を参照してください。

キーとエンドポイントを取得する

Azure OpenAI に対して正常に呼び出しを行うには、エンドポイントとキーが必要です。

変数名	Value
`ENDPOINT`	サービスエンドポイントは、Azure portal でリソースを調べるときに、[キーとエンドポイント] セクションで確認できます。または、Azure AI Studio の [デプロイ] ページからエンドポイントを見つけることができます。エンドポイントの例: `https://docs-test-001.openai.azure.com/`。
`API-KEY`	この値は、Azure portal からリソースを確認する際に、 [Keys & Endpoint](キーとエンドポイント) セクションで確認することができます。 `KEY1` または `KEY2` を使用できます。

環境変数

キーとエンドポイントの永続的な環境変数を作成して割り当てます。

重要

AI サービスのセキュリティの詳細については、「Azure AI サービスに対する要求の認証」を参照してください。

setx AZURE_OPENAI_API_KEY "REPLACE_WITH_YOUR_KEY_VALUE_HERE" 
setx AZURE_OPENAI_ENDPOINT "REPLACE_WITH_YOUR_ENDPOINT_HERE"

[System.Environment]::SetEnvironmentVariable('AZURE_OPENAI_API_KEY', 'REPLACE_WITH_YOUR_KEY_VALUE_HERE', 'User')
[System.Environment]::SetEnvironmentVariable('AZURE_OPENAI_ENDPOINT', 'REPLACE_WITH_YOUR_ENDPOINT_HERE', 'User')

export AZURE_OPENAI_API_KEY="REPLACE_WITH_YOUR_KEY_VALUE_HERE"
export AZURE_OPENAI_ENDPOINT="REPLACE_WITH_YOUR_ENDPOINT_HERE"

Node アプリケーションを作成する

npm init

クライアントライブラリをインストールする

次のコマンドを使用してクライアントライブラリをインストールします。

npm install openai @azure/identity

アプリの package.json ファイルは依存関係を含めて更新されます。

画像プロンプト用の新しい JavaScript アプリケーションを作成する

azure-samples/cognitive-services-sample-data-files から画像を選択し、環境変数で画像の URL を設定します。

Microsoft Entra ID
API キー

quickstart.ts を作成し、次のコードを貼り付けます。

import { AzureOpenAI } from "openai";
import { 
    DefaultAzureCredential, 
    getBearerTokenProvider 
} from "@azure/identity";
import type {
  ChatCompletion,
  ChatCompletionCreateParamsNonStreaming,
} from "openai/resources/index";

// You will need to set these environment variables or edit the following values
const endpoint = process.env["AZURE_OPENAI_ENDPOINT"] || "<endpoint>";
const imageUrl = process.env["IMAGE_URL"] || "<image url>";

// Required Azure OpenAI deployment name and API version
const apiVersion = "2024-07-01-preview";
const deploymentName = "gpt-4-with-turbo";

// keyless authentication    
const credential = new DefaultAzureCredential();
const scope = "https://cognitiveservices.azure.com/.default";
const azureADTokenProvider = getBearerTokenProvider(credential, scope);

function getClient(): AzureOpenAI {
  return new AzureOpenAI({
    endpoint,
    azureADTokenProvider,
    apiVersion,
    deployment: deploymentName,
  });
}
function createMessages(): ChatCompletionCreateParamsNonStreaming {
  return {
    messages: [
      { role: "system", content: "You are a helpful assistant." },
      {
        role: "user",
        content: [
          {
            type: "text",
            text: "Describe this picture:",
          },
          {
            type: "image_url",
            image_url: {
              url: imageUrl,
            },
          },
        ],
      },
    ],
    model: "",
    max_tokens: 2000,
  };
}
async function printChoices(completion: ChatCompletion): Promise<void> {
  for (const choice of completion.choices) {
    console.log(choice.message);
  }
}
export async function main() {
  console.log("== Get GPT-4 Turbo with vision Sample ==");

  const client = getClient();
  const messages = createMessages();
  const completion = await client.chat.completions.create(messages);
  await printChoices(completion);
}

main().catch((err) => {
  console.error("Error occurred:", err);
});

次の変更を行います。
1. 適切なフィールドに GPT-4 Turbo with Vision デプロイの名前を入力します。
2. "url" フィールドの値を画像の URL に変更します。
  
  ヒント
  
  URL ではなく、Base 64 でエンコードされた画像データを使うこともできます。詳細については、GPT-4 Turbo with Vision の攻略ガイドに関するページを参照してください。
次のコマンドを使用してアプリケーションをビルドします。
```
tsc
```
次のコマンドでアプリケーションを実行します。
```
node quickstart.js
```

quickstart.ts を作成し、次のコードを貼り付けます。

import { AzureOpenAI } from "openai";
import type {
  ChatCompletion,
  ChatCompletionCreateParamsNonStreaming,
} from "openai/resources/index";

// You will need to set these environment variables or edit the following values
const endpoint = process.env["AZURE_OPENAI_ENDPOINT"] || "<endpoint>";
const apiKey = process.env["AZURE_OPENAI_API_KEY"] || "<api key>";
const imageUrl = process.env["IMAGE_URL"] || "<image url>";

// Required Azure OpenAI deployment name and API version
const apiVersion = "2024-07-01-preview";
const deploymentName = "gpt-4-with-turbo";

function getClient(): AzureOpenAI {
  return new AzureOpenAI({
    endpoint,
    apiKey,
    apiVersion,
    deployment: deploymentName,
  });
}
function createMessages(): ChatCompletionCreateParamsNonStreaming {
  return {
    messages: [
      { role: "system", content: "You are a helpful assistant." },
      {
        role: "user",
        content: [
          {
            type: "text",
            text: "Describe this picture:",
          },
          {
            type: "image_url",
            image_url: {
              url: imageUrl,
            },
          },
        ],
      },
    ],
    model: "",
    max_tokens: 2000,
  };
}
async function printChoices(completion: ChatCompletion): Promise<void> {
  for (const choice of completion.choices) {
    console.log(choice.message);
  }
}
export async function main() {
  console.log("== Get GPT-4 Turbo with vision Sample ==");

  const client = getClient();
  const messages = createMessages();
  const completion = await client.chat.completions.create(messages);
  await printChoices(completion);
}

main().catch((err) => {
  console.error("Error occurred:", err);
});

次の変更を行います。
1. 適切なフィールドに GPT-4 Turbo with Vision デプロイの名前を入力します。
2. "url" フィールドの値を画像の URL に変更します。
  
  ヒント
  
  URL ではなく、Base 64 でエンコードされた画像データを使うこともできます。詳細については、GPT-4 Turbo with Vision の攻略ガイドに関するページを参照してください。
次のコマンドを使用してアプリケーションをビルドします。
```
tsc
```
次のコマンドでアプリケーションを実行します。
```
node quickstart.js
```

リソースをクリーンアップする

この記事を参照して、Azure OpenAI Python .NET SDK の使用を開始し、GPT-4 Turbo with Vision モデルをデプロイして使います。

前提条件

Azure サブスクリプション。無料で作成できます。
.NET 8.0 SDK
GPT-4 Turbo with Vision モデルがデプロイされた Azure OpenAI Service リソース。使用可能なリージョンについては、 GPT-4 および GPT-4 Turbo プレビューモデルの可用性に関するページを参照してください。リソース作成の詳細については、リソースデプロイガイドを参照してください。

設定

キーとエンドポイントを取得する

Azure OpenAI に対して正常に呼び出しを行うには、エンドポイントとキーが必要です。

変数名	Value
`AZURE_OPENAI_ENDPOINT`	サービスエンドポイントは、Azure portal でリソースを調べるときに、[キーとエンドポイント] セクションで確認できます。または、Azure AI Studio の [デプロイ] ページからエンドポイントを見つけることができます。エンドポイントの例: `https://docs-test-001.openai.azure.com/`。
`AZURE_OPENAI_API_KEY`	この値は、Azure portal からリソースを確認する際に、 [Keys & Endpoint](キーとエンドポイント) セクションで確認することができます。 `KEY1` または `KEY2` を使用できます。

Azure portal でリソースに移動します。 [エンドポイントとキー] は [リソース管理] セクションにあります。エンドポイントとアクセスキーをコピーします。これらは、API 呼び出しを認証するために両方とも必要です。 KEY1 または KEY2 を使用できます。常に 2 つのキーを用意しておくと、サービスを中断させることなく、キーのローテーションと再生成を安全に行うことができます。

.NET アプリを作成する

dotnet new コマンドを使用して、.NET アプリを作成します。
```
dotnet new console -n OpenAISpeech
```
新しいアプリのディレクトリに移動します。
```
cd OpenAISpeech
```

クライアントライブラリをインストールする

Azure.OpenAI クライアントライブラリをインストールします。

dotnet add package Azure.AI.OpenAI

パスワードレス認証が推奨されます

パスワードレス認証は、キーベースの代替手段よりも安全であり、Azure サービスに接続するために推奨される方法です。パスワードレス認証を使用する場合は、次の手順を完了する必要があります。

Azure.Identity パッケージを追加します。
```
dotnet add package Azure.Identity
```
ユーザーアカウントに Cognitive Services User ロールを割り当てます。これは、OpenAI リソースの Azure portal の [アクセスの制御 (IAM)]>[ロールの割り当ての追加] で実行できます。
az login を使用して、Visual Studio または Azure CLI を使用して Azure にサインインします。

アプリコードを更新する

program.cs の内容を次のコードに置き換え、プレースホルダーの値を自分の値で更新します。

using Azure;
using Azure.AI.OpenAI;
using Azure.Identity;
using OpenAI.Chat; // Required for Passwordless auth

var endpoint = new Uri("YOUR_AZURE_OPENAI_ENDPOINT");
var credentials = new AzureKeyCredential("YOUR_AZURE_OPENAI_KEY");
// var credentials = new DefaultAzureCredential(); // Use this line for Passwordless auth
var deploymentName = "gpt-4"; // Default name, update with your own if needed

var openAIClient = new AzureOpenAIClient(endpoint, credentials);
var chatClient = openAIClient.GetChatClient(deploymentName);

var imageUri = "YOUR_IMAGE_URL";

List<ChatMessage> messages = [
    new UserChatMessage(
        ChatMessageContentPart.CreateTextMessageContentPart("Please describe the following image:"),
        ChatMessageContentPart.CreateImageMessageContentPart(new Uri(imageUri), "image/png"))
];

ChatCompletion chatCompletion = await chatClient.CompleteChatAsync(messages);

Console.WriteLine($"[ASSISTANT]:");
Console.WriteLine($"{chatCompletion.Content[0].Text}");

重要

運用環境では、Azure Key Vault などの安全な方法で資格情報を保存してアクセスします。資格情報のセキュリティについて詳しくは、「Azure AI サービスのセキュリティ」をご覧ください。

アプリケーションを実行するには、Visual Studio の上部にある dotnet run コマンドまたは実行ボタンを使用します。
```
dotnet run
```

このアプリは、speechFilePath 変数に指定した場所にオーディオファイルを生成します。ご利用のデバイスでこのファイルを再生し、生成されたオーディオを聞きます。

リソースをクリーンアップする

次のステップ

GPT-4 Turbo with Vision の攻略ガイドでこれらの API の詳細を確認する
GPT-4 Turbo with Vision についてよく寄せられる質問
GPT-4 Turbo with Vision の API リファレンス

次の方法で共有

クイックスタート: AI チャットで画像を使用する

前提条件

Azure AI Studio に移動する

プレイグラウンド

チャット セッションを開始して画像やビデオを分析する

リソースをクリーンアップする

前提条件

キーとエンドポイントを取得する

新しい Python アプリケーションを作成する

リソースをクリーンアップする

前提条件

設定

キーとエンドポイントを取得する

環境変数

新しい Python アプリケーションを作成する

リソースをクリーンアップする

前提条件

キーとエンドポイントを取得する

環境変数

Node アプリケーションを作成する

クライアント ライブラリをインストールする

画像プロンプト用の新しい JavaScript アプリケーションを作成する

リソースをクリーンアップする

前提条件

キーとエンドポイントを取得する

環境変数

Node アプリケーションを作成する

クライアント ライブラリをインストールする

画像プロンプト用の新しい JavaScript アプリケーションを作成する

リソースをクリーンアップする

前提条件

設定

キーとエンドポイントを取得する

.NET アプリを作成する

クライアント ライブラリをインストールする

パスワードレス認証が推奨されます

アプリ コードを更新する

リソースをクリーンアップする

次のステップ

フィードバック

その他のリソース

チャットセッションを開始して画像やビデオを分析する

クライアントライブラリをインストールする

クライアントライブラリをインストールする

クライアントライブラリをインストールする

アプリコードを更新する