Lección 3 de 3 · 9 minutos

Envía imágenes y audio

Añade imágenes, archivos y audio a una solicitud, elige el endpoint según la salida que quieras y encuentra los modelos que aceptan cada entrada.

En los endpoints de texto, el content de un mensaje puede ser una lista de partes en lugar de una cadena. Una parte de imagen acepta una URL HTTP(S) o un URI data: en base64:

{
  "model": "anthropic/claude-sonnet-5.5",
  "messages": [
    {
      "role": "user",
      "content": [
        { "type": "text", "text": "What does this chart show?" },
        { "type": "image_url", "image_url": { "url": "https://example.com/chart.png" } }
      ]
    }
  ]
}

Las demás partes de entrada siguen el mismo patrón. input_audio envía data de audio en base64 con un format como wav o mp3. Una parte file envía un documento como un PDF, ya sea como URL de datos en base64 en file_data o como file_id. Un file_id solo puede leerlo la cuenta del proveedor que lo emitió, así que fija ese proveedor o envía los datos.

Para otros tipos de salida, usa su endpoint:

QuieresEndpoint
Voz a partir de texto/v1/audio/speech
Texto a partir de voz/v1/audio/transcriptions (/v1/audio/translations para inglés)
Imágenes/v1/images/generations, /v1/images/edits
Texto y maquetación de la imagen de un documento/v1/ocr, /v1/parse

/v1/parse acepta una imagen por solicitud y no admite PDF, así que convierte antes cada página en una imagen.

No todos los modelos aceptan todas las entradas. Phaseo solo enruta a proveedores que aceptan las entradas de tu solicitud; si ninguno las acepta, recibes 400 unsupported_modalities. Compruébalo antes: cada modelo de GET /v1/models indica modalities.input, y puedes filtrar con input_types=image. En la página Modelos, usa los filtros de modalidades de entrada y salida.

Comprueba lo que has aprendido

Necesitas una lista de los modelos que aceptan imágenes como entrada. ¿Cuál es la comprobación fiable más rápida?

Ponlo en práctica

Tu función de tiques envía una foto a un modelo que solo admite texto y recibe 400 unsupported_modalities. El responsable de producto pregunta si Phaseo está caído. ¿Qué le dices y qué cambias?

Mostrar la respuesta

Phaseo no está caído: ninguna ruta de ese modelo acepta imágenes como entrada. Elige un modelo cuyo modalities.input incluya image (filtra GET /v1/models con input_types=image o usa el filtro de la página Modelos) y envíale la misma solicitud.

Idea clave

Envía imágenes, audio y archivos como partes del contenido, usa los endpoints dedicados para voz, transcripción e imágenes, y comprueba las modalidades de entrada de un modelo antes de depender de él.

Enlaces relacionados

El progreso se guarda en este navegador.

Revisado por última vez el 17 de noviembre de 2026