使用Python调用OpenAI ChatGPT4vision API（openai==1.3.6）

写在开始之前

写这篇文章的本意在于一开始搜到了很多调用openai api的文章，但是版本太老，不支持openai更新后的版本了，甄别教程的版本还是花了我很多时间，后面才发现官方文档。所以总之如果科学上网条件允许，建议直接访问openai的官方文档，有非常详细的介绍和直接可使用的代码，包括text2speech，vision等各种功能。

https://platform.openai.com/docs/overview

当然如果懒得看英文文档也可以继续浏览啦~）

调用vision API

准备工作

openai账号

注册一个api，记下api key（只能查看一次）

在python环境里下载好openai库

这里我在anaconda里准备了一个python3.9的环境，激活环境后conda install openai即可。（笔者没有考察过openai<1.0对于GPT4的api支持情况，总之新版的调用方式跟之前差别挺大）

conda activate your_env
conda install openai
conda list openai

图片上传与得到结果

准备一张你准备用来上传给api的图片。ChatGPT4 vision api目前支持一张或多张的image_url或base64图片，这里先以image_url为例。

1. 将图片转为公网可访问的url

你需要类似Postimages — 免费图片托管 / 图片上传之类的工具，将你打算传给GPT的图片上传，再把给出的url放到代码里。类似

2. 修改代码

把api key，图片url粘贴到代码里，就可以发送了，会直接打印返回的内容。

from openai import OpenAI

client = OpenAI()
api_key = "这里放你的api key，类似sk-xxx"
max_tokens = 200

client = OpenAI(
    api_key=api_key,
)

chat_completion = client.chat.completions.create(
  model="gpt-4-vision-preview",
  messages=[
    {
      "role": "user",
      "content": [
        {"type": "text", "text": "What’s in this image?"},

        {
          "type": "image_url",
          "image_url": {
            "url": "这里放你的图片url",
          },
        },

      ],
    }
  ],
  max_tokens=max_tokens,
)

print(chat_completion.choices[0].message.content)

base64图片

一种替代的方式是把本地的图片文件转成base64格式（表现为一种很长的字符串），通过请求的方式传给api。代码为

import base64
import requests


api_key = "你的api"

# Function to encode the image
def encode_image(image_path):
  with open(image_path, "rb") as image_file:
    return base64.b64encode(image_file.read()).decode('utf-8')


image_path = "你的本地图片路径"

# Getting the base64 string
base64_image = encode_image(image_path)

headers = {
  "Content-Type": "application/json",
  "Authorization": f"Bearer {api_key}"
}

payload = {
  "model": "gpt-4-vision-preview",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "What’s in this image?"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": f"data:image/jpeg;base64,{base64_image}"
          }
        }
      ]
    }
  ],
  "max_tokens": 300
}

response = requests.post("https://api.openai.com/v1/chat/completions", headers=headers, json=payload)

print(response.json()['choices'][0]['message']['content'])