Ansökan och användning av OpenAI Chat Completion API

OpenAI ChatGPT är ett mycket kraftfullt AI-konversationssystem som kan generera flytande och naturliga svar på bara några sekunder genom att mata in promptord. ChatGPT är unikt i branschen med sin enastående förmåga att förstå och generera språk. I dag har ChatGPT redan fått bred användning inom olika branscher och områden, och dess inflytande blir allt tydligare. Oavsett om det gäller dagliga samtal, kreativt skrivande, professionell rådgivning eller kodprogrammering kan ChatGPT erbjuda imponerande intelligent assistans och avsevärt förbättra människors arbetseffektivitet och kreativitet. Detta dokument introducerar huvudsakligen användningsprocessen för OpenAI Chat Completion API, med vilket vi enkelt kan använda konversationsfunktionen i det officiella OpenAI ChatGPT.

GPT-6.1 Sol

Använd model: "gpt-6.1-sol" för att välja denna modell. Stöder strömmande utdata, funktionsanrop, strukturerade utdata och bildindata. Under den första veckan efter öppningen är den endast tillgänglig för verifierade ACE T1+-innehavare (minst 100 000 ACE) eller auktoriserade användare; den specifika öppningstiden avgörs av åtkomstmeddelandet i konsolen. Resoneringsnivåer stöder low, medium, high, xhigh och max, medan none eller minimal för närvarande inte stöds. Det rekommenderas att börja med reasoning_effort: "low". När indata överstiger 272 000 tokens tillämpas prissättning för lång kontext på hela begäran, och kostnaden avgörs av det aktuella priset i konsolen.

Ansökningsprocess

För att använda OpenAI Chat Completion API, gå först till Ace Data Cloud-konsolen för att hämta din API Token och spara den som reserv.

Om du ännu inte är inloggad eller registrerad omdirigeras du automatiskt till inloggningssidan för att registrera och logga in, och när det är klart återvänder du automatiskt till den aktuella sidan. En API Token kan användas för att anropa alla tjänster på plattformen, utan att behöva ansöka separat för varje tjänst. Vid första ansökan får du gratis kredit för kostnadsfri testning; om krediten inte räcker till kan du fylla på det gemensamma saldot i konsolen.

📘 Fullständig dokumentation: OpenAI Chat Completion API →

Grundläggande användning

Därefter kan du fylla i motsvarande innehåll i gränssnittet, som visas i bilden:

När vi använder detta gränssnitt för första gången behöver vi minst fylla i tre saker. Den ena är authorization, som kan väljas direkt i rullgardinslistan. Den andra parametern är model, där model är den modellkategori från OpenAI ChatGPT:s officiella webbplats som vi väljer att använda. Här har vi främst 20 modeller, och du kan se detaljer om de modeller vi tillhandahåller. Den sista parametern är messages, där messages är den array av frågeord som vi matar in. Det är en array, vilket innebär att flera frågeord kan laddas upp samtidigt. Varje frågeord innehåller role och content, där role anger frågeställarens roll. Vi erbjuder tre identiteter: user, assistant och system. Den andra, content, är det specifika innehållet i vår fråga. Samtidigt kan du se att motsvarande anropskod genereras till höger. Du kan kopiera koden och köra den direkt, eller klicka direkt på knappen ”Try” för att testa. Vanliga valfria parametrar:

max_tokens: Begränsar det maximala antalet tokens i ett enskilt svar.
temperature: Genereringsslumpmässighet, mellan 0 och 2; ju högre värde, desto mer spritt.
n: Hur många kandidatsvar som genereras åt gången.
response_format: Inställning för returformat.

Efter anropet ser vi att returresultatet är följande:

{
  "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
}

Returresultatet har flera fält, som introduceras nedan:

id, ID:t som genereras för denna konversationsuppgift och används för att unikt identifiera denna konversationsuppgift.
model , den valda modellen från OpenAI ChatGPT:s officiella webbplats.
choices, den svarsinformation som ChatGPT ger för frågeorden.
usage : statistisk information om tokens för denna fråga och detta svar.

Bland dessa innehåller choices ChatGPT:s svarsinformation, och choices i den är ChatGPT, vilket kan ses som visas i bilden.

Det går att se att fältet content i choices innehåller det specifika innehållet i ChatGPT:s svar.

Strömmande svar

Detta gränssnitt stöder också strömmande svar, vilket är mycket användbart för webbintegration och kan göra det möjligt för webbsidor att visa tecken för tecken. Om du vill returnera svar strömmande kan du ändra parametern stream i begärandehuvudet till true. Ändringen visas i bilden, men anropskoden måste ändras motsvarande för att stödja strömmande svar.

Efter att stream har ändrats till true returnerar API:t motsvarande JSON-data rad för rad, och på kodnivå behöver vi göra motsvarande ändringar för att få resultatet rad för rad. Exempel på Python-anropskod:

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)

Utdataeffekten är följande:

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]

Det går att se att det finns många data i svaret, och choices i data är det senaste svarsinhållet, vilket stämmer överens med innehållet som introducerats ovan. choices är det nytillkomna svarsinhållet, och du kan ansluta det till ditt system baserat på resultatet. Samtidigt avgörs slutet på det strömmande svaret utifrån innehållet i data; om innehållet är [DONE] betyder det att det strömmande svaret har avslutats helt. Det returnerade data-resultatet har flera fält, som introduceras nedan:

id, ID:t som genereras för denna dialoguppgift och används för att unikt identifiera denna dialoguppgift.
model , den valda modellen från OpenAI ChatGPT:s officiella webbplats.
choices, svarsinformationen som ChatGPT ger för frågan.

JavaScript stöds också, till exempel är koden för strömmande anrop i Node.js följande:

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));

Exempelkod för Java:

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())

Andra språk kan också skrivas om separat, principen är densamma.

Fleromgångsdialog

Om du vill ansluta funktionen för flersamtalsdialog behöver du skicka flera frågor till fältet messages. Ett specifikt exempel på flera frågor visas i bilden nedan:

Exempelkod för Python-anrop:

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)

Genom att skicka flera frågeord kan man enkelt implementera flerrundsdialog och få följande svar:

{
  "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
  }
}

Man kan se att informationen som choices innehåller är densamma som innehållet i den grundläggande användningen, detta innehåller det specifika innehållet i ChatGPT:s svar för flera dialoger, och på så sätt kan motsvarande frågor besvaras utifrån innehållet i flera dialoger.

Anslutning till OpenAI-Python

OpenAI Chat Completion API är kompatibelt med det officiella OpenAI-gränssnittet och kan anslutas direkt med den officiella SDK:n OpenAI-Python. Den här artikeln kommer kortfattat att introducera användningen.

Först behöver du konfigurera en lokal Python-miljö, denna process kan du söka efter på Google.
Ladda ner och installera utvecklingsmiljön, till exempel VSCode-redigeraren.
Konfigurera miljövariabler för OpenAI.

Skapa och spara en fil med namnet .env i projektmappen.
Innehållet i filen .env:

OPENAI_API_KEY="sk-xxx"
OPENAI_BASE_URL="https://api.acedata.cloud/openai"  # Påminnelse igen: om du använder en key från OpenAI:s officiella webbplats, använd inte denna adress.

Ersätt sk-xxx med din egen key. OPENAI_BASE_URL är proxygränssnittet för åtkomst till OpenAI.

Installera paketen som projektet är beroende av

pip install openai

I Mac OS är kommandot:

pip3 install openai

Skapa en exempelkällkodsfil

Anta att vi har skapat en exempelkod index.py, det specifika innehållet är följande:

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)

Internetanslutna modeller

Modellerna gpt-3.5-browsing och gpt-4-browsing skiljer sig från andra modeller, de kan genomföra internetsökningar baserat på frågeord och returnera resultatet av internetsökningen till dig efter lämpliga justeringar. Den här artikeln kommer att demonstrera internetfunktionen genom ett konkret exempel. Därefter kan du fylla i motsvarande innehåll i gränssnittet för OpenAI Chat Completion API, som visas i bilden:

Samtidigt kan du lägga märke till att det finns motsvarande genererad anropskod på höger sida. Du kan kopiera koden och köra den direkt, eller direkt klicka på knappen 「Try」 för att testa.

Efter anropet upptäcker vi att returresultatet är följande:

{
  "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
  }
}

Man kan se att svarsinformationen i choices erhålls efter en internetansluten sökning, och relevanta länkar ges också. Svarsinformationen i choices ska renderas med markdown-syntax för att få den bästa upplevelsen, och detta återspeglar slutligen den kraftfulla fördelen med våra modellers internetfunktion.

Visuell modell

gpt-4o är en multimodal stor språkmodell utvecklad av OpenAI, den har lagt till visuell förståelseförmåga på basis av GPT-4. Denna modell kan samtidigt bearbeta text- och bildindata och uppnå förståelse och generering över flera modaliteter. Textbearbetningen med modellen gpt-4o är densamma som innehållet för grundläggande användning ovan. Nedan kommer vi kortfattat att introducera hur man använder modellens bildbearbetningsförmåga. Bildbearbetningsförmågan hos modellen gpt-4o används främst genom att lägga till ett type-fält på basis av det ursprungliga content-innehållet. Genom detta fält kan man veta om det som laddas upp är text eller en bild, och därmed använda bildbearbetningsförmågan hos modellen gpt-4o. Nedan beskrivs främst hur denna funktion anropas på två sätt: Curl och Python.

Curl-skriptmetod

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-skriptmetod

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)

Därefter kan följande resultat erhållas. Fältinformationen i resultatet överensstämmer med ovanstående, och detaljerna är följande:

{
  "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
  }
}

Det kan ses att innehållet i svaret är baserat på bilden. Därför kan text- och bildbehandlingsfunktionerna i modellen gpt-4-vision enkelt användas genom de två ovanstående metoderna. Utöver gpt-4o finns det också en modell med lägre kostnad, som kallas gpt-4o-mini. gpt-4o-mini är den senaste generationens stora språkmodell utvecklad av OpenAI. Den har inte bara snabb svarshastighet utan är också billigare och stöder även multimodalitet. Användningen av vision-funktionen kan hänvisa till innehållet ovan om användningen av modellen gpt-4o.

GPT-4o-bildgenereringsmodell

Generera bilder baserat på en referensbild

Nedan följer ett exempel på att generera en bild med en anpassad stil baserat på en bild. Låt oss först titta på bilden vi matar in, som visas nedan:

Det kan ses att referensbilden är en bild av en verklig person. Vi kan låta den ändra stil, till exempel göra den till en bild i anime-stil. Det specifika exempelanropet:

{
  "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
}

Exempelresultat:

{
  "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": {}
  }
}

Där är message.content i choices det fullständiga genererade dialogresultatet, och bilden inkluderas i Markdown-format (bildlänken är en tillfällig adress, ladda ner och spara den i tid). Det kan ses att den genererade bilden verkligen är i anime-stil, som visas specifikt i bilden nedan:

Generera bilder med enbart text

Vi kan använda en prompt för att låta den generera en bild och returnera den till oss i ett dialogbaserat resultat. Nedan använder vi Skapa en bild av en framtida stad vid solnedgång som exempel, och det specifika exemplet är följande:

{
  "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
}

Exempelresultat:

{
  "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": {}
  }
}

Det kan ses att resultatet överensstämmer med prompten, som visas specifikt nedan:

Generera en bild från flera bilder

Vi kan också använda flera referensbilder för att generera en bild, till exempel använda en bild på en snygg man och en bild på kaffe. Med hjälp av dessa två bilder kan en bild av en snygg man som dricker kaffe genereras. Nedan följer de specifika referensbilderna:

Nedan använder vi Generera en bild av en man som håller upp kaffe och är på väg att dricka det som exempel, och det specifika exemplet är följande:

{
  "model": "gpt-4o-image",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "Generera en bild av en man som håller upp kaffe och är på väg att dricka det"
        },
        {
          "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
}

Exempelresultat:

{
  "id": "chatcmpl-89DnHbbzOIQvU1VzJrNjzMU8BRUgG",
  "object": "chat.completion",
  "created": 1781021018,
  "model": "gpt-4o-image",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "\n\n> 🎨 Genererar...\n\n![https://platform.cdn.acedata.cloud/20260610/f1d9ddee3c304230a9f92929f04b95be.png](https://platform.cdn.acedata.cloud/20260610/f1d9ddee3c304230a9f92929f04b95be.png)\n\n[Klicka för att ladda ner](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": {}
  }
}

Man kan se att det genererade resultatet verkligen kombinerar de två bilderna för att generera bilden. Nedan visas det specifika resultatet:

Felhantering

När API:et anropas returnerar API:et motsvarande felkoder och information om ett fel uppstår. Till exempel:

400 token_mismatched: Felaktig begäran, möjligen på grund av saknade eller ogiltiga parametrar.
400 api_not_implemented: Felaktig begäran, möjligen på grund av saknade eller ogiltiga parametrar.
401 invalid_token: Obehörig, ogiltig eller saknad auktoriseringstoken.
429 too_many_requests: För många begäranden, du har överskridit hastighetsgränsen.
500 api_error: Internt serverfel, något gick fel på servern.

Exempel på felsvar

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

Slutsats

Genom detta dokument har du lärt dig hur du enkelt kan använda OpenAI Chat Completion API för att implementera konversationsfunktionen i officiella OpenAI ChatGPT. Vi hoppas att detta dokument hjälper dig att bättre ansluta till och använda detta API. Om du har några frågor, vänligen kontakta vårt tekniska supportteam när som helst.

Getting Started

AI Samtal

AI Bild

AI Video

AI Ljud

Web & Data

CAPTCHA

Identitet

Coding

Fler guider

Ansökan och användning av OpenAI Chat Completion API

GPT-6.1 Sol

Ansökningsprocess

Grundläggande användning

Strömmande svar

Fleromgångsdialog

Anslutning till OpenAI-Python

Internetanslutna modeller

Visuell modell

GPT-4o-bildgenereringsmodell

Generera bilder baserat på en referensbild

Generera bilder med enbart text

Generera en bild från flera bilder

Felhantering

Exempel på felsvar

Slutsats

​GPT-6.1 Sol

​Ansökningsprocess

​Grundläggande användning

​Strömmande svar

​Fleromgångsdialog

​Anslutning till OpenAI-Python

​Internetanslutna modeller

​Visuell modell

​GPT-4o-bildgenereringsmodell

​Generera bilder baserat på en referensbild

​Generera bilder med enbart text

​Generera en bild från flera bilder

​Felhantering

​Exempel på felsvar

​Slutsats

GPT-6.1 Sol

Ansökningsprocess

Grundläggande användning

Strömmande svar

Fleromgångsdialog

Anslutning till OpenAI-Python

Internetanslutna modeller

Visuell modell

GPT-4o-bildgenereringsmodell

Generera bilder baserat på en referensbild

Generera bilder med enbart text

Generera en bild från flera bilder

Felhantering

Exempel på felsvar

Slutsats