已啟用視覺的聊天模型概念
啟用視覺的聊天模型是由 OpenAI 開發的大型多模式模型（LMM），可分析影像並提供文字回應，以回答有關影像的問題。 它們同時納入自然語言處理和視覺理解。 目前啟用視覺的模型是具有視覺功能的 GPT-4 Turbo、GPT-4o 和 GPT-4o-mini。 本指南提供其功能和限制的詳細數據。
若要試用已啟用視覺的聊天模型，請參閱 快速入門。
已啟用視覺的聊天
啟用視覺的模型會回答有關您所上傳影像中存在的一般問題。
優惠價格資訊
重要
價格詳細資訊未來可能會變更。
啟用視覺的模型會像其他 Azure OpenAI 聊天模型一樣產生費用。 您要為提示和完成依每個權杖費率付費，詳細資料位於定價頁面上。 基本費用和其他功能如下所述：
包含視覺功能的 GPT-4 Turbo 基本價格為：
- 輸入：每 1000 個權杖美金 $0.01 元
- 輸出：每 1000 個權杖美金 $0.03 元
如需文字和影像如何轉譯為權杖的詳細資訊，請參閱概觀的權杖區段。
範例影像價格計算
重要
下列內容僅作為範例使用，未來價格可能會變更。
針對一般使用案例，請同時以可見物件和文字及 100 個權杖提示輸入拍攝影像。 當服務處理提示時，會產生 100 個輸出權杖。 在影像中，可以偵測到文字和物件。 此交易的價格如下：
| 項目 | 詳細資料 | 成本 |
|---|---|---|
| 文字提示輸入 | 100 個文字權杖 | $0.001 |
| 範例影像輸入 (請參閱影像權杖) | 170 + 85 個影像權杖 | $0.00255 |
| OCR 的增強附加元件功能 | $1.50 / 1000 筆交易 | $0.0015 |
| 物件基礎的增強附加元件功能 | $1.50 / 1000 筆交易 | $0.0015 |
| 輸出權杖 | 100 個權杖 (假設) | $0.003 |
| 總數 | $0.00955 |
輸入限制
本節說明已啟用視覺的聊天模型限制。
影像支援
- 輸入影像大小上限：輸入影像的大小上限限製為 20 MB。
- 低解析度精確度：使用「低解析度」設定分析影像時，可加快回應速度，並針對特定使用案例使用較少的輸入權杖。 不過，這可能會影響影像中物件和文字辨識的精確度。
- 影像聊天限制：當您在 Azure AI Foundry 入口網站或 API 中上傳影像時，每個聊天通話的限制為 10 個影像。
下一步
- 遵循快速入門，開始使用已啟用視覺的模型。
- 如需深入瞭解 API，請遵循 作說明指南。
- 請參閱完成和內嵌 API 參照