Describe objetos de una imagen con MandAPI

Elige un modelo compatible con Vision

Los metadatos públicos actuales de MandAPI marcan varios modelos habilitados con Vision. Elige un identificador exacto disponible para tu cuenta en el catálogo actual. Sustituye MODEL_ID por ese ID; no uses un modelo solo de texto.

Esta receta se ha revisado contra los metadatos y el procesamiento local de solicitudes. No se ha ejecutado inferencia real de imágenes para esta guía. Las descripciones pueden contener incertidumbre; no representan mediciones garantizadas ni una evaluación de detección.

Guarda un script pequeño

Utiliza Python 3.10 o posterior y guarda lo siguiente como vision.py. La clave permanece en el entorno. La imagen se envía como data URL, sin necesitar un enlace público que el proveedor tenga que descargar.

python

import argparse
import base64
import json
import mimetypes
import os
from pathlib import Path
import urllib.error
import urllib.request

URL = "https://api.mandapi.com/v1/chat/completions"

def main():
    parser = argparse.ArgumentParser()
    mode = parser.add_mutually_exclusive_group(required=True)
    mode.add_argument("--demo", action="store_true")
    mode.add_argument("--live", action="store_true")
    parser.add_argument("--model", default="MODEL_ID")
    parser.add_argument("--image", type=Path)
    parser.add_argument("--language", choices=("en", "es"), default="en")
    args = parser.parse_args()

    image_url = "data:image/jpeg;base64,IMAGE_BYTES"
    if args.live:
        key = os.environ.get("MANDAPI_API_KEY")
        if not key or args.model == "MODEL_ID" or not args.image:
            parser.error("--live needs a private key, a real --model and --image")
        mime = mimetypes.guess_type(args.image.name)[0]
        if mime not in {"image/jpeg", "image/png", "image/webp"}:
            parser.error("Use a JPEG, PNG or WebP image")
        image_url = "data:" + mime + ";base64," + base64.b64encode(
            args.image.read_bytes()
        ).decode("ascii")

    payload = {
        "model": args.model,
        "messages": [{
            "role": "user",
            "content": [
                {"type": "text", "text": (
                    "Enumera los objetos visibles con una descripción breve. "
                    "Indica la incertidumbre; no deduzcas medidas exactas."
                    if args.language == "es" else
                    "List the visible objects and a short description. "
                    "Say when uncertain. Do not infer exact measurements."
                )},
                {"type": "image_url", "image_url": {"url": image_url}}
            ]
        }],
        "max_tokens": 300
    }
    if args.demo:
        print(json.dumps({"mode": "offline-preview", "request": payload}, indent=2))
        return

    request = urllib.request.Request(
        URL, data=json.dumps(payload).encode("utf-8"),
        headers={"Authorization": "Bearer " + key,
                 "Content-Type": "application/json"}
    )
    try:
        with urllib.request.urlopen(request, timeout=90) as response:
            result = json.load(response)
    except urllib.error.HTTPError as error:
        raise SystemExit("MandAPI HTTP " + str(error.code)) from None
    print(result["choices"][0]["message"]["content"])

if __name__ == "__main__":
    main()

Revisa la solicitud sin enviarla

bash

python vision.py --demo --language es

El comando muestra la estructura con un marcador para los bytes de la imagen. No lee ninguna foto ni llama a MandAPI. Para tu prueba posterior, elige una imagen pequeña JPEG, PNG o WebP.

Utiliza tu propia imagen

Configura la clave de forma privada en la misma terminal. En Bash:

bash

read -rsp "Clave de MandAPI: " MANDAPI_API_KEY
printf '\n'
export MANDAPI_API_KEY

O en PowerShell:

powershell

$env:MANDAPI_API_KEY = [Net.NetworkCredential]::new('', (Read-Host 'Clave de MandAPI' -AsSecureString)).Password

bash

python vision.py --live --image foto.jpg --model MODEL_ID --language es

El comando explícito --live envía una solicitud con consumo. Después de ejecutarlo, compara la respuesta con la foto y revisa el consumo en MandAPI. Si lo integras en una web, mantén la clave en el backend.

Resuelve errores habituales

Si el modelo rechaza imágenes, revisa su capacidad Vision actual y el identificador exacto. Una extensión correcta no arregla una imagen dañada: ábrela localmente y vuelve a exportarla si es necesario. Si se rechaza el archivo, revisa los formatos y tamaños admitidos por el modelo. Si rechaza max_tokens, utiliza el ajuste de salida documentado para ese modelo.

Empieza con una lista de objetos visibles o una descripción breve. Añade extracción estructurada después de comprobar el esquema; este ejemplo no garantiza cuadros de posición precisos.