Skip to main content
SambaNova の Vision (視覚) モデルはマルチモーダル入力に対応しており、テキストと画像の両方を処理できます。これらのモデルは画像を分析し、コンテキストを踏まえたテキスト応答を生成します。本ページでは、SambaNova または OpenAI の Python クライアントを使用して、SambaNova の Vision モデルにクエリを送信する方法を解説します。

画像を使用したクエリの作成

SambaNova では、Vision モデルへのリクエストは OpenAI のマルチモーダル入力フォーマットに従い、構造化されたペイロードでテキストと画像の両方を受け付けます。呼び出し方法は Text generation (テキスト生成) と似ていますが、image_path 変数で参照されるエンコード済みの画像ファイルを含める点が異なります。画像を base64 文字列に変換するにはヘルパー関数を使用します。これにより、テキストと一緒に画像をリクエストへ渡せるようになります。
1

ステップ 1

新しい Python ファイルを作成し、以下のコードをコピーします。
この例では gemma-4-31B-it モデルを使用しています。
2

ステップ 2

クライアントの生成部分にある文字列フィールド "your-sambanova-api-key" と "your-sambanova-base-url" を、API キーと URL ページで取得した SambaNova API キーとベース URL に置き換えます。
3

ステップ 3

使用する画像を選択し、以下の行で指定できる適切なパスに配置します。
4

ステップ 4

user プロンプトの content 部分で、画像と組み合わせるプロンプトを確認します。
5

ステップ 5

Python ファイルを実行して、テキスト出力を受け取ります。