Beantragung und Nutzung der OpenAI Chat Completion API

OpenAI ChatGPT ist ein sehr leistungsstarkes KI-Dialogsystem; solange Sie Prompt-Wörter eingeben, kann es innerhalb weniger Sekunden flüssige und natürliche Antworten generieren. ChatGPT hebt sich mit seinem hervorragenden Sprachverständnis und seiner Generierungsfähigkeit in der Branche hervor; heutzutage wird ChatGPT bereits in verschiedenen Branchen und Bereichen weit verbreitet eingesetzt, und sein Einfluss wird immer deutlicher. Ob bei alltäglichen Gesprächen, kreativem Schreiben oder professioneller Beratung und Code-Programmierung – ChatGPT kann erstaunliche intelligente Unterstützung bieten und die Arbeitseffizienz und Kreativität der Menschen erheblich steigern. Dieses Dokument stellt hauptsächlich den Nutzungsprozess der OpenAI Chat Completion API vor; mit ihr können wir die Dialogfunktion des offiziellen OpenAI ChatGPT problemlos nutzen.

GPT-6.1 Sol

Verwenden Sie model: "gpt-6.1-sol", um dieses Modell auszuwählen. Es unterstützt Streaming-Ausgabe, Funktionsaufrufe, strukturierte Ausgabe und Bildeingabe. In der ersten Woche nach der Freigabe ist es nur für verifizierte ACE-T1+-Inhaber (mindestens 100.000 ACE) oder autorisierte Benutzer verfügbar; die konkrete Freigabezeit richtet sich nach dem Zugriffshinweis in der Konsole. Die Reasoning-Stufen unterstützen low, medium, high, xhigh und max; none oder minimal werden vorerst nicht unterstützt. Es wird empfohlen, mit reasoning_effort: "low" zu beginnen. Wenn die Eingabe 272.000 Tokens überschreitet, gilt für die gesamte Anfrage die Preisgestaltung für langen Kontext; die Gebühren richten sich nach den aktuellen Preisen in der Konsole.

Antragsprozess

Um die OpenAI Chat Completion API zu nutzen, rufen Sie zunächst die Ace Data Cloud-Konsole auf, um Ihren API-Token zu erhalten und ihn als Reserve aufzubewahren.

Wenn Sie sich noch nicht angemeldet oder registriert haben, werden Sie automatisch zur Anmeldeseite weitergeleitet, auf der Sie zur Registrierung und Anmeldung eingeladen werden; nach Abschluss kehren Sie automatisch zur aktuellen Seite zurück. Ein API-Token kann alle Dienste der Plattform aufrufen, ohne dass Sie ihn für jeden Dienst einzeln beantragen müssen. Bei der ersten Beantragung wird ein kostenloses Guthaben verschenkt, das kostenlos ausprobiert werden kann; wenn das Guthaben nicht ausreicht, können Sie in der Konsole ein allgemeines Guthaben aufladen.

📘 Vollständige Dokumentation: OpenAI Chat Completion API →

Grundlegende Nutzung

Anschließend können Sie die entsprechenden Inhalte in der Oberfläche ausfüllen, wie in der Abbildung gezeigt:

Bei der ersten Nutzung dieser Schnittstelle müssen wir mindestens drei Inhalte ausfüllen: Einer davon ist authorization, der direkt in der Dropdown-Liste ausgewählt werden kann. Ein weiterer Parameter ist model; model ist die Modellkategorie der offiziellen OpenAI-ChatGPT-Website, deren Nutzung wir auswählen. Hier haben wir hauptsächlich 20 Modelle; Details finden Sie bei den von uns bereitgestellten Modellen. Der letzte Parameter ist messages; messages ist das Array der von uns eingegebenen Fragewörter. Es ist ein Array und bedeutet, dass mehrere Fragewörter gleichzeitig hochgeladen werden können. Jedes Fragewort enthält role und content, wobei role die Rolle des Fragestellers darstellt. Wir bieten drei Identitäten an, nämlich user, assistant, system. Das andere, content, ist der konkrete Inhalt unserer Frage. Gleichzeitig können Sie beachten, dass auf der rechten Seite entsprechender Aufrufcode generiert wird. Sie können den Code kopieren und direkt ausführen oder direkt auf die Schaltfläche „Try“ klicken, um ihn zu testen. Häufig verwendete optionale Parameter:

max_tokens: Begrenzt die maximale Anzahl von Tokens für eine einzelne Antwort.
temperature: Zufälligkeit der Generierung, zwischen 0 und 2; je größer der Wert, desto stärker die Streuung.
n: Wie viele Kandidatenantworten auf einmal generiert werden.
response_format: Einstellung des Rückgabeformats.

Nach dem Aufruf stellen wir fest, dass das Rückgabeergebnis wie folgt lautet:

{
  "id": "chatcmpl-Cmd6uwSxN75F4PAdQSFEO8f2QPs4E",
  "object": "chat.completion",
  "created": 1765706120,
  "model": "gpt-5.5",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Hello! What can I help you with today?",
        "refusal": null,
        "annotations": []
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 7,
    "completion_tokens": 13,
    "total_tokens": 20,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "audio_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 0,
      "audio_tokens": 0,
      "accepted_prediction_tokens": 0,
      "rejected_prediction_tokens": 0
    }
  },
  "service_tier": "default",
  "system_fingerprint": null
}

Das Rückgabeergebnis enthält mehrere Felder, die wie folgt vorgestellt werden:

id: Die ID der generierten Dialogaufgabe, die zur eindeutigen Kennzeichnung dieser Dialogaufgabe verwendet wird.
model : Das ausgewählte Modell der offiziellen OpenAI-ChatGPT-Website.
choices: Die Antwortinformationen, die ChatGPT für die Fragewörter liefert.
usage : Statistische Informationen über die Tokens dieses Frage-Antwort-Paars.

Dabei enthält choices die Antwortinformationen von ChatGPT; das darin enthaltene choices ist ChatGPT, wie in der Abbildung gezeigt.

Es ist zu sehen, dass das Feld content in choices den konkreten Inhalt der ChatGPT-Antwort enthält.

Streaming-Antwort

Diese Schnittstelle unterstützt auch Streaming-Antworten, was für die Anbindung von Webseiten sehr nützlich ist und es Webseiten ermöglichen kann, einen Effekt der zeichenweisen Anzeige zu erzielen. Wenn Sie die Antwort als Stream zurückgeben möchten, können Sie den Parameter stream im Anfrage-Header ändern und auf true setzen. Die Änderung ist wie in der Abbildung gezeigt; allerdings muss der Aufrufcode entsprechend geändert werden, um Streaming-Antworten zu unterstützen.

Nachdem stream auf true geändert wurde, gibt die API die entsprechenden JSON-Daten zeilenweise zurück; auf Codeebene müssen wir entsprechende Änderungen vornehmen, um die zeilenweisen Ergebnisse zu erhalten. Python-Beispielaufrufcode:

import requests

url = "https://api.acedata.cloud/openai/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "gpt-4",
    "messages": [{"role":"user","content":"hello"}],
    "stream": True
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Der Ausgabeeffekt ist wie folgt:

data: {"choices": [{"delta": {"role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"}

data: {"choices": [{"delta": {"content": "Hi", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"}

data: {"choices": [{"delta": {"content": " there", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"}

data: {"choices": [{"delta": {"content": "!", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"}

data: {"choices": [{"delta": {"content": " How", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"}

data: {"choices": [{"delta": {"content": " can", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"}

data: {"choices": [{"delta": {"content": " I", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"}

data: {"choices": [{"delta": {"content": " assist", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"}

data: {"choices": [{"delta": {"content": " you", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"}

data: {"choices": [{"delta": {"content": " today", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"}

data: {"choices": [{"delta": {"content": "?", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"}

data: {"choices": [{"delta": {"role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"}

data: {"choices": [{"delta": {"role": "assistant"}, "finish_reason": "stop", "index": 0}], "created": 1721007349, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"}

data: [DONE]

Wie zu sehen ist, enthält die Antwort viele data-Einträge. Die choices innerhalb von data sind der neueste Antwortinhalt, was mit dem zuvor vorgestellten Inhalt übereinstimmt. choices sind neu hinzugefügte Antwortinhalte, die Sie anhand der Ergebnisse in Ihr System integrieren können. Gleichzeitig wird das Ende der Streaming-Antwort anhand des Inhalts von data bestimmt. Wenn der Inhalt [DONE] ist, bedeutet dies, dass die Streaming-Antwort vollständig beendet wurde. Das zurückgegebene data-Ergebnis enthält mehrere Felder, die wie folgt vorgestellt werden:

id, die ID der für diesen Dialog generierten Aufgabe, die zur eindeutigen Kennzeichnung dieser Dialogaufgabe verwendet wird.
model , das ausgewählte Modell der offiziellen OpenAI-ChatGPT-Website.
choices, die Antwortinformationen, die ChatGPT auf den Frageterm gibt.

JavaScript wird ebenfalls unterstützt, beispielsweise lautet der Code für den Streaming-Aufruf in Node.js wie folgt:

const options = {
  method: "post",
  headers: {
    accept: "application/json",
    authorization: "Bearer {token}",
    "content-type": "application/json",
  },
  body: JSON.stringify({
    model: "gpt-4",
    messages: [{ role: "user", content: "hello" }],
    stream: true,
  }),
};

fetch("https://api.acedata.cloud/openai/chat/completions", options)
  .then((response) => response.json())
  .then((response) => console.log(response))
  .catch((err) => console.error(err));

Java-Beispielcode:

JSONObject jsonObject = new JSONObject();
jsonObject.put("model", "gpt-4");
jsonObject.put("messages", [{"role":"user","content":"hello"}]);
jsonObject.put("stream", true);
MediaType mediaType = "application/json; charset=utf-8".toMediaType();
RequestBody body = jsonObject.toString().toRequestBody(mediaType);
Request request = new Request.Builder()
  .url("https://api.acedata.cloud/openai/chat/completions")
  .post(body)
  .addHeader("accept", "application/json")
  .addHeader("authorization", "Bearer {token}")
  .addHeader("content-type", "application/json")
  .build();

OkHttpClient client = new OkHttpClient();
Response response = client.newCall(request).execute();
System.out.print(response.body!!.string())

Andere Sprachen können entsprechend selbst angepasst werden; das Prinzip ist überall gleich.

Mehrere Gesprächsrunden

Wenn Sie die Funktion für mehrere Gesprächsrunden integrieren möchten, müssen Sie mehrere Frageterme in das Feld messages hochladen. Ein konkretes Beispiel für mehrere Frageterme ist in der folgenden Abbildung dargestellt:

Python-Beispielaufrufcode:

import requests

url = "https://api.acedata.cloud/openai/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "gpt-4",
    "messages": [{"role":"user","content":"Hello"},{"role":"assistant","content":"Hi! How can I assist you today?"},{"role":"user","content":"What I say just now?"}]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Durch das Übermitteln mehrerer Eingabeaufforderungen können Sie problemlos mehrstufige Gespräche realisieren und folgende Antwort erhalten:

{
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "You said, \"Hello.\""
      },
      "finish_reason": "stop"
    }
  ],
  "created": 1721323012,
  "id": "chatcmpl-NWZmOTA5MDlkZjBjNDRjNGEwMzRjYzA5NmM1MzQwMWY",
  "model": "gpt-4",
  "object": "chat.completion.chunk",
  "recipient": "all",
  "usage": {
    "prompt_tokens": 31,
    "completion_tokens": 6,
    "total_tokens": 37
  }
}

Wie zu sehen ist, stimmen die in choices enthaltenen Informationen mit dem Inhalt der grundlegenden Verwendung überein. Dies enthält den konkreten Inhalt der Antwort von ChatGPT auf mehrere Gespräche, sodass entsprechende Fragen anhand mehrerer Gesprächsinhalte beantwortet werden können.

Anbindung von OpenAI-Python

Die OpenAI Chat Completion API bleibt mit der offiziellen OpenAI-Schnittstelle kompatibel und kann direkt mit dem offiziellen SDK OpenAI-Python angebunden werden. Dieser Artikel wird die Verwendung kurz vorstellen.

Zunächst muss eine lokale Python-Umgebung eingerichtet werden; dieser Prozess kann über eine Google-Suche gefunden werden.
Laden Sie die Entwicklungsumgebung herunter und installieren Sie sie, beispielsweise den VSCode-Editor.
Konfigurieren Sie die OpenAI-Umgebungsvariablen.

Erstellen Sie im Projektordner eine Datei mit dem Namen .env und speichern Sie sie.
Inhalt der .env-Datei:

OPENAI_API_KEY="sk-xxx"
OPENAI_BASE_URL="https://api.acedata.cloud/openai"  # Nochmals zur Erinnerung: Wenn Sie den Key von der offiziellen OpenAI-Website verwenden, nutzen Sie diese Adresse nicht.

Ersetzen Sie sk-xxx durch Ihren eigenen Key. OPENAI_BASE_URL ist die Proxy-Schnittstelle für den Zugriff auf OpenAI.

Installieren Sie die vom Projekt benötigten Pakete

pip install openai

Unter Mac OS lautet der Befehl:

pip3 install openai

Erstellen Sie eine Beispiel-Quellcodedatei

Angenommen, wir erstellen einen Beispielcode index.py; der konkrete Inhalt lautet wie folgt:

import os
from openai import OpenAI

client = OpenAI(api_key=os.environ.get("OPENAI_API_KEY"))

response = client.chat.completions.create(
    messages=[
        {
            "role": "user",
            "content": "hello",
        }
    ],
    model="gpt-4",
)

print(response.text)

Modelle mit Internetzugriff

Die Modelle gpt-3.5-browsing und gpt-4-browsing unterscheiden sich von anderen Modellen. Sie können anhand von Eingabeaufforderungen Internetsuchen durchführen und die Ergebnisse der Internetsuche entsprechend angepasst an Sie zurückgeben. Dieser Artikel wird die Internetfunktion anhand eines konkreten Beispiels demonstrieren. Anschließend können Sie die entsprechenden Inhalte auf der Oberfläche der OpenAI Chat Completion API ausfüllen, wie in der Abbildung gezeigt:

Gleichzeitig können Sie beachten, dass auf der rechten Seite entsprechender generierter Aufrufcode vorhanden ist. Sie können den Code kopieren und direkt ausführen oder direkt auf die Schaltfläche „Try“ klicken, um ihn zu testen.

Nach dem Aufruf stellen wir fest, dass das Rückgabeergebnis wie folgt lautet:

{
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "For the latest news in China today, you can check major news websites such as:\n\n- [BBC News China](https://www.bbc.com/news/world/asia/china)\n- [CNN China News](https://edition.cnn.com/china)\n- [Reuters China](https://www.reuters.com/news/archive/china-news)\n\nThese sources will have up-to-date information on current events in China."
      },
      "finish_reason": "stop"
    }
  ],
  "created": 1721009347,
  "id": "chatcmpl-YzA0M2RjZDVkYThlNDkxNTkzOThmZWQ4OGMzNzdhNzA",
  "model": "gpt-4-browsing",
  "object": "chat.completion.chunk",
  "recipient": "all",
  "usage": {
    "prompt_tokens": 325,
    "completion_tokens": 82,
    "total_tokens": 407
  }
}

Wie zu sehen ist, basieren die Antwortinformationen in choices auf den nach der Internetabfrage erhaltenen Ergebnissen und enthalten auch entsprechende Links. Die Antwortinformationen in choices müssen mit markdown-Syntax gerendert werden, um das beste Erlebnis zu erhalten. Schließlich zeigt dies auch den großen Vorteil der Internetfunktion unseres Modells.

Visuelles Modell

gpt-4o ist ein von OpenAI entwickeltes multimodales großes Sprachmodell, das auf Grundlage von GPT-4 um visuelle Verständnisfähigkeiten erweitert wurde. Dieses Modell kann Text- und Bildeingaben gleichzeitig verarbeiten und ermöglicht modalitätsübergreifendes Verstehen und Generieren. Die Textverarbeitung mit dem gpt-4o-Modell stimmt mit dem oben beschriebenen Inhalt zur grundlegenden Verwendung überein. Im Folgenden wird kurz vorgestellt, wie die Bildverarbeitungsfähigkeit des Modells verwendet wird. Die Bildverarbeitungsfähigkeit des gpt-4o-Modells wird hauptsächlich durch das Hinzufügen eines type-Feldes auf Grundlage des ursprünglichen content-Inhalts verwendet. Über dieses Feld kann erkannt werden, ob Text oder ein Bild hochgeladen wird, um so die Bildverarbeitungsfähigkeit des gpt-4o-Modells zu nutzen. Im Folgenden wird hauptsächlich beschrieben, wie diese Funktion über Curl und Python auf zwei Arten aufgerufen wird.

Curl-Skriptmethode

curl -X POST 'https://api.acedata.cloud/openai/chat/completions' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
    "model": "gpt-4o",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "text",
            "text": "What'\''s in this image?"
          },
          {
            "type": "image_url",
            "image_url": {
              "url": "https://upload.wikimedia.org/wikipedia/commons/thumb/d/dd/Gfp-wisconsin-madison-the-nature-boardwalk.jpg/2560px-Gfp-wisconsin-madison-the-nature-boardwalk.jpg"
            }
          }
        ]
      }
    ]
  }'

Python-Skriptmethode

import requests

url = "https://api.acedata.cloud/openai/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "gpt-4o",
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "text", "text": "What's in this image?"
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://upload.wikimedia.org/wikipedia/commons/thumb/d/dd/Gfp-wisconsin-madison-the-nature-boardwalk.jpg/2560px-Gfp-wisconsin-madison-the-nature-boardwalk.jpg"
                    }
                },
            ],
        }
    ]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Anschließend kann das folgende Ergebnis erhalten werden. Die Feldinformationen im Ergebnis stimmen mit dem vorherigen Text überein, im Detail wie folgt:

{
  "id": "chatcmpl-123",
  "object": "chat.completion",
  "created": 1677652288,
  "model": "gpt-4-vision-preview",
  "system_fingerprint": "fp_44709d6fcb",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "\n\nThis image shows a wooden boardwalk extending through a lush green marshland."
      },
      "logprobs": null,
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 9,
    "completion_tokens": 12,
    "total_tokens": 21
  }
}

Es ist zu sehen, dass der Antwortinhalt auf dem Bild basiert. Daher können die Text- und Bildverarbeitungsfähigkeiten des Modells gpt-4-vision über die beiden oben genannten Methoden einfach verwendet werden. Neben gpt-4o gibt es auch ein kostengünstigeres Modell namens gpt-4o-mini. gpt-4o-mini ist die neueste Generation großer Sprachmodelle, die von OpenAI entwickelt wurde. Es reagiert nicht nur schnell, sondern ist auch günstiger und unterstützt ebenfalls Multimodalität. Für die Verwendung der Vision-Funktion kann auf den Inhalt zur Verwendung des Modells gpt-4o oben verwiesen werden.

GPT-4o-Bildgenerierungsmodell

Bilder anhand von Referenzbildern generieren

Nachfolgend ist ein Beispiel für die Generierung eines Bildes in einem benutzerdefinierten Stil anhand eines Bildes. Sehen wir uns zunächst das von uns eingegebene Bild an, wie in der folgenden Abbildung dargestellt:

Es ist zu sehen, dass das Referenzbild ein Bild einer realen Person ist. Wir können es in einen anderen Stil umwandeln, beispielsweise in ein Bild im Anime-Stil. Das konkrete Anfragebeispiel:

{
  "model": "gpt-4o-image",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "生成动漫风格的图片，并且带上个帽子"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://cdn.acedata.cloud/qzx2z1.png"
          }
        }
      ]
    }
  ],
  "stream": false
}

Beispielergebnis:

{
  "id": "chatcmpl-89DPQxbLuyRNzH5YLCPYM5WElV3dm",
  "object": "chat.completion",
  "created": 1781020664,
  "model": "gpt-4o-image",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "\n\n> 🎨 生成中...\n\n![https://platform.cdn.acedata.cloud/20260609/0f7b6cf1b14843b1bab8e261fe5765b3.png](https://platform.cdn.acedata.cloud/20260609/0f7b6cf1b14843b1bab8e261fe5765b3.png)\n\n[点击下载](https://platform.cdn.acedata.cloud/download/20260609/0f7b6cf1b14843b1bab8e261fe5765b3.png)"
      },
      "logprobs": null,
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 100,
    "completion_tokens": 122,
    "total_tokens": 222,
    "prompt_tokens_details": {
      "text_tokens": 93,
      "cached_tokens_details": {}
    },
    "completion_tokens_details": {}
  }
}

Dabei ist message.content in choices das vollständig generierte Dialogergebnis. Das Bild ist darin im Markdown-Format enthalten (der Bildlink ist eine temporäre Adresse, bitte laden Sie ihn rechtzeitig herunter und speichern Sie ihn). Es ist zu sehen, dass das generierte Bild tatsächlich im Anime-Stil ist, konkret wie in der folgenden Abbildung dargestellt:

Bilder nur aus Text generieren

Wir können es mithilfe eines Prompt-Worts ein Bild generieren lassen und es uns im dialogorientierten Ergebnis zurückgeben. Nachfolgend verwenden wir Erstelle ein Bild eines Sonnenuntergangs in einer zukünftigen Stadt als Beispiel, das konkrete Beispiel wie folgt:

{
  "model": "gpt-4o-image",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "创建一张未来城市日落的图片"
        }
      ]
    }
  ],
  "stream": false
}

Beispielergebnis:

{
  "id": "chatcmpl-89DqkpQoPGkQqJ6kPKMKWejjLXVxQ",
  "object": "chat.completion",
  "created": 1781020587,
  "model": "gpt-4o-image",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "\n\n> 🎨 生成中...\n\n![https://platform.cdn.acedata.cloud/20260609/ed2cca68732540fc99162ddc10ddc153.png](https://platform.cdn.acedata.cloud/20260609/ed2cca68732540fc99162ddc10ddc153.png)\n\n[点击下载](https://platform.cdn.acedata.cloud/download/20260609/ed2cca68732540fc99162ddc10ddc153.png)"
      },
      "logprobs": null,
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 17,
    "completion_tokens": 104,
    "total_tokens": 121,
    "prompt_tokens_details": {
      "text_tokens": 10,
      "cached_tokens_details": {}
    },
    "completion_tokens_details": {}
  }
}

Es ist zu sehen, dass das Ergebnis dem Prompt-Wort entspricht, konkret wie folgt dargestellt:

Ein Bild aus mehreren Bildern generieren

Wir können auch mehrere Referenzbilder verwenden, um ein Bild zu generieren. Beispielsweise können wir ein Bild eines gutaussehenden Mannes und ein Kaffeebild verwenden und mithilfe dieser beiden Bilder ein Bild eines gutaussehenden Mannes beim Kaffeetrinken generieren. Nachfolgend sind die konkreten Referenzbilder:

Nachfolgend verwenden wir Generiere einen Jungen, der Kaffee hält und ihn gleich trinken wird als Beispiel, das konkrete Beispiel wie folgt:

{
  "model": "gpt-4o-image",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "生成男生举着咖啡，并且马上要喝的样子"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://cdn.acedata.cloud/pqquv3.jpg"
          }
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://cdn.acedata.cloud/h8j2i0.jpg"
          }
        }
      ]
    }
  ],
  "stream": false
}

Beispielergebnis:

{
  "id": "chatcmpl-89DnHbbzOIQvU1VzJrNjzMU8BRUgG",
  "object": "chat.completion",
  "created": 1781021018,
  "model": "gpt-4o-image",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "\n\n> 🎨 生成中...\n\n![https://platform.cdn.acedata.cloud/20260610/f1d9ddee3c304230a9f92929f04b95be.png](https://platform.cdn.acedata.cloud/20260610/f1d9ddee3c304230a9f92929f04b95be.png)\n\n[点击下载](https://platform.cdn.acedata.cloud/download/20260610/f1d9ddee3c304230a9f92929f04b95be.png)"
      },
      "logprobs": null,
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 193,
    "completion_tokens": 116,
    "total_tokens": 309,
    "prompt_tokens_details": {
      "text_tokens": 186,
      "cached_tokens_details": {}
    },
    "completion_tokens_details": {}
  }
}

Wie zu sehen ist, kombiniert das generierte Ergebnis tatsächlich die beiden Bilder zur Erstellung. Nachfolgend ist das konkrete Ergebnis:

Fehlerbehandlung

Wenn bei der API-Aufrufung ein Fehler auftritt, gibt die API den entsprechenden Fehlercode und die Informationen zurück. Zum Beispiel:

400 token_mismatched: Ungültige Anfrage, möglicherweise aufgrund fehlender oder ungültiger Parameter.
400 api_not_implemented: Ungültige Anfrage, möglicherweise aufgrund fehlender oder ungültiger Parameter.
401 invalid_token: Nicht autorisiert, ungültiges oder fehlendes Autorisierungstoken.
429 too_many_requests: Zu viele Anfragen, Sie haben das Ratenlimit überschritten.
500 api_error: Interner Serverfehler, auf dem Server ist etwas schiefgelaufen.

Beispiel für eine Fehlerantwort

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

Fazit

Durch dieses Dokument haben Sie bereits erfahren, wie Sie die Dialogfunktion des offiziellen OpenAI ChatGPT einfach mit der OpenAI Chat Completion API implementieren können. Wir hoffen, dass dieses Dokument Ihnen dabei helfen kann, diese API besser anzubinden und zu verwenden. Bei Fragen kontaktieren Sie bitte jederzeit unser technisches Supportteam.

Erste Schritte

KI Chat

KI Bild

KI Video

KI Audio

Web & Daten

CAPTCHA

Identität

Coding

Weitere Anleitungen

Beantragung und Nutzung der OpenAI Chat Completion API

GPT-6.1 Sol

Antragsprozess

Grundlegende Nutzung

Streaming-Antwort

Mehrere Gesprächsrunden

Anbindung von OpenAI-Python

Modelle mit Internetzugriff

Visuelles Modell

GPT-4o-Bildgenerierungsmodell

Bilder anhand von Referenzbildern generieren

Bilder nur aus Text generieren

Ein Bild aus mehreren Bildern generieren

Fehlerbehandlung

Beispiel für eine Fehlerantwort

Fazit

​GPT-6.1 Sol

​Antragsprozess

​Grundlegende Nutzung

​Streaming-Antwort

​Mehrere Gesprächsrunden

​Anbindung von OpenAI-Python

​Modelle mit Internetzugriff

​Visuelles Modell

​GPT-4o-Bildgenerierungsmodell

​Bilder anhand von Referenzbildern generieren

​Bilder nur aus Text generieren

​Ein Bild aus mehreren Bildern generieren

​Fehlerbehandlung

​Beispiel für eine Fehlerantwort

​Fazit

GPT-6.1 Sol

Antragsprozess

Grundlegende Nutzung

Streaming-Antwort

Mehrere Gesprächsrunden

Anbindung von OpenAI-Python

Modelle mit Internetzugriff

Visuelles Modell

GPT-4o-Bildgenerierungsmodell

Bilder anhand von Referenzbildern generieren

Bilder nur aus Text generieren

Ein Bild aus mehreren Bildern generieren

Fehlerbehandlung

Beispiel für eine Fehlerantwort

Fazit