ifly-image-understanding

使用科大讯飞星火视觉模型分析图片并回答相关问题（图片理解）。

环境配置

1. 1. 在讯飞控制台创建应用并开通图片理解服务
2. 设置环境变量：

bash export IFLYAPPID=yourappid export IFLYAPIKEY=yourapikey export IFLYAPISECRET=yourapisecret

使用方法

描述图片

bash
python3 scripts/image_understanding.py photo.jpg

询问图片相关问题

bash
python3 scripts/image_understanding.py photo.jpg -q 图片里有什么动物？

使用基础模型（更低Token消耗）

bash
python3 scripts/image_understanding.py photo.jpg --domain general

参数选项

标志	缩写	描述
image		图片文件路径（.jpg, .jpeg, .png）
--question

-q | 关于图片的问题（默认：描述） | | --domain | -d | imagev3（高级，默认）或 general（基础，固定273 tokens/图片） | | --temperature | -t | 采样温度（0,1]，默认0.5 | | --max-tokens | | 最大响应tokens 1-8192，默认2048 | | --raw | | 输出原始WebSocket JSON帧 |

示例

bash

识别收据文字

python3 scripts/image_understanding.py receipt.png -q 总金额是多少？

识别物体

python3 scripts/image_understanding.py scene.jpg -q 图片中有哪些物体？

低成本基础模型

python3 scripts/image_understanding.py chart.png -q 图表的趋势是什么？ -d general

注意事项

• - 图片格式：.jpg, .jpeg, .png
• 最大图片大小：4MB
• 最大Token数：8192（输入+输出合计）
• 认证方式：HMAC-SHA256签名WebSocket URL
• 接口地址：wss://spark-api.cn-huabei-1.xf-yun.com/v2.1/image
• 纯标准库：无需pip依赖——使用内置socket + ssl实现WebSocket
• 模型版本：imagev3（高级，动态Token消耗）vs general（基础，固定273 tokens/图片）

---

错误码说明 😢

遇到错误先别慌～看看下面找到对应的解决方法吧！✨

错误码	错误信息	解决办法
0	🎉 成功	恭喜你！请求正常完成啦～
10003

用户的消息格式有错误 | 检查一下你的请求格式是否正确哦～确保发送的是合法的JSON格式呢！ |
| 10004 | 用户数据的schema错误 | 看起来数据结构有点问题～请检查一下字段名称和类型是否正确呀！ |
| 10005 | 用户参数值有错误 | 参数值可能不太对呢～仔细核对一下每个参数的有效范围吧！ |
| 10006 | 用户并发错误：同一用户不能多处同时连接 | 检测到重复连接啦！请确保只有一个客户端在连接同一个用户ID哦～ |
| 10013 | 用户问题涉及敏感信息，审核不通过 | 哎呀，你的问题可能包含了一些不太合适的内容～换个问题试试看吧！ |
| 10022 | 模型生产的图片涉及敏感信息，审核不通过 | 生成的图片没有通过审核呢...很抱歉，换张图片再试一下吧！ |
| 10029 | 图片任何一边的长度超过12800 | 图片尺寸太大啦！请确保图片宽高都不超过12800像素哦～ |
| 10041 | 图片分辨率不符合要求 | 图片尺寸不合适的呢～要求是：50×50 < 图片总像素值 < 6000×6000 哦！ |
| 10907 | Token数量超过上限 | 内容太丰富啦！对话历史+问题的字数太多，需要精简一下输入哦～ |

💡 小贴士：如果还有其他问题，可以查看官方文档或者联系技术支持哦！

---

常见问题 🤔

图片理解的主要功能是什么呀？🐱

答：用户输入一张图片和问题，从而识别出图片中的对象、场景等信息，然后回答你的问题～是不是很方便呢！✨

图片理解支持什么应用平台呢？📱

答：目前支持 Web API 应用平台哦！直接在代码里调用就可以啦～

图片理解的文本大小限制多少呀？📝

答：有效内容不能超过 8192 Token 呢～如果超过了就要精简一下输入啦！

---

更多资源 📚

• - 📖 使用文档：https://console.xfyun.cn/services/image
• 🛒 购买套餐：https://console.xfyun.cn/sale/buy?wareId=9046&packageId=9046002&serviceName=%E5%9B%BE%E7%89%87%E7%90%86%E8%A7%A3&businessId=image

有更多问题随时来问我哦～祝你使用愉快！🌸