หน้าแรก / คู่มือ / API การอ่านภาพฟรี

API การอ่านภาพฟรี

API การอ่านภาพช่วยให้ LLM อ่านภาพได้ คุณขอให้มันอธิบายรูปถ่าย อ่านใบเสร็จ หรืออธิบายแผนภูมิได้ แคตตาล็อกของ FreeLLMAPI มีข้อเสนอโมเดลฟรี 78 รายการที่รับภาพ คุณส่งภาพในรูปแบบ OpenAI มาตรฐาน และเราเตอร์เลือกโมเดลการอ่านภาพให้ คู่มือนี้แสดงโมเดล ขนาดสูงสุดของผู้ให้บริการแต่ละราย และโค้ดที่ใช้งานได้

โค้ด ชื่อโมเดล และป้ายกำกับของแคตตาล็อกสดจะแสดงเป็นภาษาอังกฤษ

การทำงานของอินพุตภาพ

ส่งภาพในอาร์เรย์ messages เป็นบล็อกเนื้อหา image_url URL อาจเป็น URL แบบ data: ที่มีไบต์ base64 หรือเป็น URL แบบ http(s) ใช้ /v1/chat/completions endpoint /v1/responses ยังไม่รับภาพ

  • การกำหนดเส้นทางอัตโนมัติ: เมื่อคำขอมีภาพ เราเตอร์ใช้เฉพาะโมเดลการอ่านภาพ สำหรับคำขอนั้นเราเตอร์ข้ามโมเดลที่รับข้อความอย่างเดียว
  • การสลับอัตโนมัติ: เมื่อผู้ให้บริการการอ่านภาพรายหนึ่งถึงขีดจำกัด เราเตอร์จะลองโมเดลการอ่านภาพถัดไปในห่วงโซ่ของคุณ
  • ข้อผิดพลาดที่ชัดเจน: เมื่อไม่ได้เปิดใช้โมเดลการอ่านภาพใดเลย คุณจะได้ข้อผิดพลาด 422 พร้อม code: "no_vision_model" ภาพจะไม่ถูกทิ้งโดยไม่แจ้ง

โมเดลการอ่านภาพฟรีในขณะนี้

ตารางแสดงโมเดลฟรีที่แข็งแรงที่สุดที่รับอินพุตภาพในแคตตาล็อกปัจจุบัน ข้อมูลมาจากแคตตาล็อกสด แถวหนึ่งอาจแสดงผู้ให้บริการหลายรายที่ให้บริการโมเดลเดียวกัน

โมเดลฟรีที่รับอินพุตภาพ เรียงจากแข็งแรงที่สุด
โมเดลฟรีบนขนาดบริบทขีดจำกัดฟรี (ข้อเสนอที่ดีที่สุด)เครื่องมือการอ่านภาพ
GLM 5.3 FlashUnoRouter1M1 คำขอ/นาที
1 req/min per model
ใช่ใช่
Gemini 3.8 FlashGoogle AI Studio1MRecurring provider quotaใช่ใช่
Gemini Flash (latest alias)Google AI Studio-10 คำขอ/นาที
20 คำขอ/วัน
250,000 โทเคน/นาที
~3M
ใช่ใช่
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring creditใช่ใช่
Gemini 3.7 FlashGoogle AI Studio1M10 คำขอ/นาที
20 คำขอ/วัน
250,000 โทเคน/นาที
~3M
ใช่ใช่
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring creditใช่ใช่
Dots3 Note PreviewKilo Gateway, OpenRouter512K20 คำขอ/นาที
50 คำขอ/วัน
50 req/day account-wide (1,000 after a $10 purchase)
ใช่ใช่
Qwen3.8 27BElectronHub, Groq262K30 คำขอ/นาที
250 คำขอ/วัน
70,000 โทเคน/นาที
~6M
ใช่ใช่
Gemini 3.6 FlashGoogle AI Studio1M10 คำขอ/นาที
20 คำขอ/วัน
250,000 โทเคน/นาที
~3M
ใช่ใช่
Qwen 3.8 27BCloudflare Workers AI262KShared 10k neurons/dayใช่ใช่
Gemini 3.5 FlashGoogle AI Studio1M10 คำขอ/นาที
20 คำขอ/วัน
250,000 โทเคน/นาที
~3M
ใช่ใช่
Gemini 3.8 LiveGoogle AI Studio-10 คำขอ/นาที
20 คำขอ/วัน
250,000 โทเคน/นาที
~3M
ใช่ใช่
Gemini 3.8 Live Extended ThinkingGoogle AI Studio-10 คำขอ/นาที
20 คำขอ/วัน
250,000 โทเคน/นาที
~3M
ใช่ใช่
Moondream 3.1 9B A2BCloudflare Workers AI, Moondream33K~10-20Mไม่ใช่
Moondream 3 PreviewMoondream-$5/month shared workspace usage creditsไม่ใช่

แสดง 15 จาก 67 โมเดลฟรีที่ตรงกัน ดูโมเดลทั้งหมด.

ข้อมูลสดจากแคตตาล็อก FreeLLMAPI (เวอร์ชัน 2026.11.19 ตรวจสอบเมื่อ 2026-11-19) ขีดจำกัดฟรีเปลี่ยนบ่อย แคตตาล็อกถูกตรวจสอบทุกวัน

โมเดล Gemini ให้บริบทที่ใหญ่ที่สุดและรับภาพได้หลายภาพ Qwen 3.8 27B บน Groq และ Cloudflare เป็นตัวเลือกที่เร็วนอก Google Moondream สร้างมาสำหรับงานด้านภาพ แต่เอาต์พุตจำกัดที่ 4,096 tokens

ขั้นตอนที่ 1: ติดตั้ง FreeLLMAPI และเพิ่มคีย์

FreeLLMAPI เป็นโอเพนซอร์ส ทำงานบนคอมพิวเตอร์ของคุณใน Docker คีย์ของผู้ให้บริการยังคงอยู่บนคอมพิวเตอร์ของคุณ

ติดตั้ง (macOS หรือ Linux)

curl -fsSL https://freellmapi.co/install.sh | bash

เปิดแดชบอร์ดที่ http://localhost:3001 เพิ่มคีย์ Google AI Studio และอีกหนึ่งคีย์ในหน้า Keys ในหน้า Fallback Chain โมเดลการอ่านภาพจะมีป้าย Vision ตรวจสอบว่าเปิดใช้อย่างน้อยหนึ่งรายการ คัดลอกคีย์รวมของคุณจากหน้า Keys

ขั้นตอนที่ 2: ส่งภาพ

curl: ภาพจาก URL

curl http://localhost:3001/v1/chat/completions \
  -H "Authorization: Bearer <unified-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "auto",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "Describe this image in two sentences."},
        {"type": "image_url", "image_url": {"url": "https://upload.wikimedia.org/wikipedia/commons/4/47/PNG_transparency_demonstration_1.png"}}
      ]
    }]
  }'

Python: ไฟล์ในเครื่องเป็น base64

import base64
from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")

with open("receipt.jpg", "rb") as fh:
    b64 = base64.b64encode(fh.read()).decode()

resp = client.chat.completions.with_raw_response.create(
    model="auto",  # the router selects a vision model
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "List each item and price on this receipt as JSON."},
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
        ],
    }],
)
print("Routed via:", resp.headers.get("x-routed-via"))
print(resp.parse().choices[0].message.content)

ใช้ MIME type ที่ถูกต้องใน data URL เช่น image/png หรือ image/jpeg หากต้องการส่งมากกว่าหนึ่งภาพ ให้เพิ่มบล็อก image_url อีกบล็อกในข้อความเดียวกัน

ขีดจำกัดภาพตามผู้ให้บริการ

ขีดจำกัดของผู้ให้บริการ ตรวจสอบเมื่อ 2026-11-19
ผู้ให้บริการขีดจำกัด (อย่างเป็นทางการ)สิ่งที่ควรทำ
Google Geminiขนาดคำขอรวมที่มีภาพแบบ inline: 20 MB รูปแบบ: PNG, JPEG, WEBP, HEIC, HEIFย่อรูปถ่ายขนาดใหญ่ให้เล็กลงก่อนส่ง
Google Geminiภาพขนาดสูงสุด 384x384 พิกเซลใช้ 258 tokens ภาพที่ใหญ่กว่าจะถูกตัดเป็นไทล์ขนาด 768x768 ไทล์ละ 258 tokensภาพ 960x540 ใช้ 6 ไทล์ ประมาณ 1,548 tokens
Groq (Qwen 3.8 27B)สูงสุด 3 ภาพต่อคำขอ สูงสุด 20 MB สำหรับคำขอที่มี image URLส่งภาพไม่เกิน 3 ภาพไปยังโมเดลของ Groq
Moondreamรองรับเฉพาะ data URL แบบ base64 ไม่รองรับ URL ภาพจากระยะไกลส่งไบต์ของภาพ ไม่ใช่ลิงก์

tokens ของภาพนับรวมกับขีดจำกัด tokens ต่อนาทีของระดับฟรี คำขอที่มีภาพขนาดใหญ่ห้าภาพอาจเกินขีดจำกัดของผู้ให้บริการขนาดเล็ก ทำภาพให้เล็กลง เช่น ด้านยาวไม่เกิน 1024 พิกเซล เมื่อคุณไม่ต้องการรายละเอียดละเอียด

พรอมต์ที่ได้ผลกับงานภาพ

  • หนึ่งงานต่อหนึ่งคำขอ: ถามคำถามที่ชัดเจนหนึ่งข้อเกี่ยวกับภาพ คำถามหลายข้อในพรอมต์เดียวให้คำตอบที่สั้นลงและไม่แม่นยำเท่า
  • เอาต์พุตที่มีโครงสร้าง: สำหรับใบเสร็จและแบบฟอร์ม ระบุฟิลด์ที่คุณต้องการ เช่น item, price และ total ขอ JSON เท่านั้น
  • ค่าที่อ่านไม่ได้: บอกโมเดลให้เขียน null เมื่ออ่านค่าไม่ได้ จากนั้นมันจะไม่เดา
  • ครอปก่อน: ตัดภาพให้เหลือเฉพาะส่วนที่คุณต้องการ ภาพที่เล็กลงใช้ tokens น้อยลงและให้รายละเอียดที่ดีกว่า
  • คำตอบที่คงที่: ตั้ง temperature เป็น 0 สำหรับงานดึงข้อมูล
  • ตรวจสอบตัวเลข: เทียบยอดรวมและวันที่กับภาพ โมเดลการอ่านภาพอาจอ่านข้อความตัวเล็กและตัวเลขที่คล้ายกันผิดได้

การแก้ปัญหา

ปัญหาสาเหตุวิธีแก้
ข้อผิดพลาด 422 no_vision_modelไม่มีโมเดลการอ่านภาพที่เปิดใช้งานในห่วงโซ่ของคุณเปิดใช้โมเดลที่มีป้าย Vision ในหน้า Fallback Chain
โมเดลบอกว่ามองไม่เห็นภาพคำขอถูกส่งไปยัง /v1/responsesใช้ /v1/chat/completions
ข้อผิดพลาด 400 กับ URL จากระยะไกลผู้ให้บริการดาวน์โหลด URL ไม่ได้ส่งภาพเป็น data URL แบบ base64
ข้อผิดพลาด 413 หรือ 400 กับไฟล์ขนาดใหญ่ภาพหรือคำขอใหญ่เกินไปทำภาพให้เล็กลง หรือส่งภาพน้อยลง
ข้อผิดพลาด 429 กับคำขอที่มีภาพtokens ของภาพใช้ขีดจำกัดต่อนาทีทำภาพให้เล็กลง หรือเพิ่มคีย์จากผู้ให้บริการการอ่านภาพอื่น
ใช้ทุกตัวในรายการนี้ผ่านคีย์เดียว FreeLLMAPI คือเราเตอร์โอเพนซอร์สที่คุณโฮสต์เอง รวมระดับฟรีทั้งหมดนี้ไว้หลังปลายทางเดียวที่เข้ากันได้กับ OpenAI และเปลี่ยนไปใช้ตัวอื่นเมื่อตัวใดตัวหนึ่งถูกจำกัดอัตรา ดูแคตตาล็อก หรือ เริ่มใช้งานจริง.

คำถามที่พบบ่อย

มี API การอ่านภาพฟรีไหม

มี Google AI Studio, Groq, Cloudflare, NVIDIA, OpenRouter และผู้ให้บริการอื่นให้โมเดลฟรีที่รับอินพุตภาพ FreeLLMAPI มีข้อเสนอโมเดลการอ่านภาพฟรี 78 รายการหลังคีย์เดียวที่เข้ากันได้กับ OpenAI

ฉันส่งภาพไปยัง API LLM ฟรีได้อย่างไร

เพิ่มบล็อกเนื้อหา image_url ในข้อความของผู้ใช้ ใช้ data URL แบบ base64 หรือ URL แบบ https แล้วส่งไปยัง /v1/chat/completions

ภาพหนึ่งภาพใช้ tokens กี่ tokens

บน Gemini ภาพขนาด 384x384 พิกเซลหรือเล็กกว่าใช้ 258 tokens ภาพที่ใหญ่กว่าจะถูกตัดเป็นไทล์ขนาด 768x768 และแต่ละไทล์ใช้ 258 tokens

ฉันส่งหลายภาพในคำขอเดียวได้ไหม

ได้ เพิ่มบล็อก image_url อีกในข้อความ ผู้ให้บริการบางรายจำกัดจำนวน ตัวอย่างเช่น Groq อนุญาต 3 ภาพต่อคำขอบน Qwen 3.8 27B

โมเดลการอ่านภาพฟรีตัวไหนดีที่สุดสำหรับอ่านเอกสาร

ใช้โมเดล Gemini สำหรับใบเสร็จ แผนภูมิ และหน้าที่สแกน โมเดลมีหน้าต่างบริบทขนาดใหญ่และรับภาพได้หลายภาพ ตรวจสอบคำตอบกับภาพสำหรับตัวเลข เพราะโมเดลการอ่านภาพอาจอ่านข้อความตัวเล็กผิดได้

คู่มือที่เกี่ยวข้อง

แหล่งข้อมูล

คู่มือทั้งหมด · ดูโมเดลฟรีทั้งหมด