You need to enable JavaScript to run this app.
文档中心
火山方舟

火山方舟

复制全文
下载 pdf
工具调用
Image Process(图像处理)
复制全文
下载 pdf
Image Process(图像处理)
Image Process(图像处理)工具支持通过 Responses API 调用对输入图片执行画点、画线、旋转、缩放、框选或裁剪关键区域等基础操作,适用于需要模型通过视觉处理提升图片理解的场景(例如图文内容分析、物体定位标注、多轮视觉推理等)。工具通过模型自动判断图像处理逻辑,支持与自定义函数混合使用,且可处理多轮视觉输入(即上一轮输出的图片作为下一轮的输入)。​
说明​
当前处于 Beta 测试阶段,测试期间免费使用。​
测试期间,调用此工具需要增加 header ark-beta-image-process: true,调用方式请参见功能演示。​
核心功能​
  • 丰富的图像处理工具:支持启用或禁用画点(Point)、框选(Grounding)、缩放(Zoom)、旋转(Rotate)等子功能,满足不同视觉处理需求。​
  • 支持多轮图像处理:复杂视觉任务(如多步缩放+旋转)支持多轮工具调用,上一轮输出图片自动作为下一轮输入(例:image0→image1→image2)。​
  • 支持混合调用:可与用户自定义函数混合使用。(暂不支持与 Web Search 联网内容插件混合调用)​
  • 兼容多种图片格式:支持 Base64 编码的 .gif、.jpg、.jpeg 等主流图片格式,但对图片规格有明确限制,详见注意事项​
功能演示​
以下示例代码演示了图像处理工具的各项功能。实际调用时,请将 <ARK_API_KEY> 替换为您的实际 API Key。​
说明​
方舟平台的新用户?获取 API Key 及 开通模型等准备工作,请参见 快速入门。​
注意​
提示词支持图片和文字混排,但图文顺序可能对模型的输出效果产生影响。如果提示词由多张图片和一段文字构成,建议将文字放在提示词末尾。​
示例一:缩放(Zoom)工具​
以下代码展示了在视觉问答场景下,如何启用缩放(zoom)工具,让模型在放大图片后读取前方路牌文字,并以流式方式实时返回答案。​
​
cURL
Python
OpenAI Python SDK
OpenAI Go SDK
效果演示
​
​
curl --location 'https://ark.cn-beijing.volces.com/api/v3/responses' \​
--header 'Authorization: Bearer <ARK_API_KEY>' \​
--header 'Content-Type: application/json' \​
--header 'ark-beta-image-process: true' \​
--data '{​
"model": "doubao-seed-2-0-lite-260215",​
"stream": true,​
"tools": [​
{​
"type": "image_process",​
"point": {​
"type": "disabled"​
},​
"grounding": {​
"type": "disabled"​
},​
"zoom": {​
"type": "enabled"​
},​
"rotate": {​
"type": "disabled"​
}​
}​
],​
"input": [​
{​
"type": "message",​
"role": "user",​
"content": [​
{​
"type": "input_image",​
"image_url": "https://ark-project.tos-cn-beijing.volces.com/doc_image/image_process_1.jpg"​
},​
{​
"type": "input_text",​
"text": "前方路牌写了什么?"​
}​
]​
}​
]​
}'​
​
​
示例二:画点(Point)工具​
以下代码展示了如何启用画点(point)工具,让模型在视觉问答中进行计数,并以流式方式返回答案。​
​
cURL
Python
OpenAI Python SDK
OpenAI Go SDK
效果演示
​
​
curl --location 'https://ark.cn-beijing.volces.com/api/v3/responses' \​
--header 'Authorization: Bearer <ARK_API_KEY>' \​
--header 'Content-Type: application/json' \​
--header 'ark-beta-image-process: true' \​
--data '{​
"model": "doubao-seed-2-0-lite-260215",​
"stream": true,​
"tools": [​
{​
"type": "image_process",​
"point": {​
"type": "enabled"​
},​
"grounding": {​
"type": "disabled"​
},​
"zoom": {​
"type": "disabled"​
},​
"rotate": {​
"type": "disabled"​
}​
}​
],​
"input": [​
{​
"type": "message",​
"role": "user",​
"content": [​
{​
"type": "input_image",​
"image_url": "https://ark-project.tos-cn-beijing.volces.com/doc_image/image_process_2.jpg"​
},​
{​
"type": "input_text",​
"text": "数一数有多少颗草莓?"​
}​
]​
}​
]​
}'​
​
​
示例三:框选(Grounding)工具​
以下代码展示了如何启用框选(grounding)工具,让模型框选出图中的特定目标,并以流式方式返回答案。​
​
cURL
Python
OpenAI Python SDK
OpenAI Go SDK
​
​
curl --location 'https://ark.cn-beijing.volces.com/api/v3/responses' \​
--header 'Authorization: Bearer <ARK_API_KEY>' \​
--header 'Content-Type: application/json' \​
--header 'ark-beta-image-process: true' \​
--data '{​
"model": "doubao-seed-2-0-lite-260215",​
"stream": true,​
"tools": [​
{​
"type": "image_process",​
"point": {​
"type": "disabled"​
},​
"grounding": {​
"type": "enabled"​
},​
"zoom": {​
"type": "disabled"​
},​
"rotate": {​
"type": "disabled"​
}​
}​
],​
"input": [​
{​
"type": "message",​
"role": "user",​
"content": [​
{​
"type": "input_image",​
"image_url": "https://ark-project.tos-cn-beijing.volces.com/doc_image/image_process_1.jpg"​
},​
{​
"type": "input_text",​
"text": "帮我框选出图中的路牌。"​
}​
]​
}​
]​
}'​
​
​
示例四:旋转(Rotate)工具​
以下代码展示了如何启用旋转(rotate)工具,让模型对图像进行旋转操作,并以流式方式返回答案。​
​
cURL
Python
OpenAI Python SDK
OpenAI Go SDK
​
​
curl --location 'https://ark.cn-beijing.volces.com/api/v3/responses' \​
--header 'Authorization: Bearer <ARK_API_KEY>' \​
--header 'Content-Type: application/json' \​
--header 'ark-beta-image-process: true' \​
--data '{​
"model": "doubao-seed-2-0-lite-260215",​
"stream": true,​
"tools": [​
{​
"type": "image_process",​
"point": {​
"type": "disabled"​
},​
"grounding": {​
"type": "disabled"​
},​
"zoom": {​
"type": "disabled"​
},​
"rotate": {​
"type": "enabled"​
}​
}​
],​
"input": [​
{​
"type": "message",​
"role": "user",​
"content": [​
{​
"type": "input_image",​
"image_url": "https://ark-project.tos-cn-beijing.volces.com/doc_image/image_process_1.jpg"​
},​
{​
"type": "input_text",​
"text": "帮我把图片顺时针旋转90度。"​
}​
]​
}​
]​
}'​
​
​
支持的模型​
参见工具调用能力。​
计费说明​
  • 公测期间:暂时免费使用,无额外收费。​
  • 我们将会提前 2 周通过官方渠道告知具体收费标准,保障您的使用权益。​
注意事项​
  • 函数命名冲突:若用户自定义函数与 image_process 重名,由模型自行判断调用何种工具(无需额外配置)。​
  • 图片规格限制(超出规格将导致处理失败):​
  • 文件体积 ≤ 10MB​
  • 总像素 ≤ 36000000 像素​
  • 图片宽和高的长度 > 14 像素​
  • 长宽比 < 150:1​
  • 文件格式支持情况:​
  • 支持 .gif、.jpg、.jpeg、.png、.webp、.bmp、.tiff、.ico、.icns、.jp2 格式。​
  • 不支持 .dib、.sgi、.heic、.heif 格式。​
  • 功能限制:​
  • 当前不支持与 Web Search(联网内容插件)工具混合使用,也不支持通过 tool_choice 参数指定调用 image_process。​
  • 暂不支持 caching 参数,使用该参数会返回 400 错误信息。​
  • Tokens 消费提示:多轮图像处理会增加 Tokens 消费(上一轮图片输入会计入下一轮 Tokens),需注意调用成本。​
​
最近更新时间:2026.09.08 01:17:53
这个页面对您有帮助吗?
有用
有用
无用
无用