如何使用Kimi进行图片内容识别

最近Kimi也发布了他们的视觉大模型，简单测试了一下，效果还不错，对图片中的物品识别的比较准确和细致。

Kimi的视觉分析，和之前的文本调用非常接近。Kimi采用了将图片进行Base64编码为文本的方式，进行参数传递，可以直接使用OpenAI客户端进行调用。

源代码

import os
import base64

from openai import OpenAI

client = OpenAI(
    # 换成自己的Key
    api_key="sk-sqdKLGHredWTrltpOSuJWCJHPHHfqGoJzZXqWmGMTOsrCsRm",
    base_url="https://api.moonshot.cn/v1",
)

image_path = r"D:\test780_386.png"

with open(image_path, 'rb') as f:
    image_data = f.read()

image_url = f"data:image/{os.path.splitext(image_path)[1]};base64,{base64.b64encode(image_data).decode('utf8')}"

completion = client.chat.completions.create(
    model="moonshot-v1-8k-vision-preview",
    messages=[
        {"role": "system", "content": "I am kimi"},
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {
                        "url": image_url
                    }
                },
                {
                    "type": "text",
                    "text": "请详细描述图片中有什么内容"
                }
            ]
        }
    ]
)

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

运行结果

图片内容：

识别结果：

C:\anaconda3\envs\train\python.exe C:/Users/jihui/PycharmProjects/train/kimi_vision_image_analysis.py
这张图片展示了一个工业环境，可能是一个工厂或车间。图片中可以看到：

1. **左侧**：有一个大型的工业设备，可能是用于生产或加工的机器。设备旁边有一个穿着蓝色工作服和安全帽的人，正在进行工装检测。

2. **中间**：地面上有一些轨道，可能是用于运输材料或设备的。轨道旁边有一个黄色的平板车，上面似乎有一些设备或材料。

3. **右侧**：有一辆红色的卡车，停在一个黄色和黑色相间的警示线旁边。卡车的前面有一个标志，上面写着“熔炼炉：1号熔炉”。

4. **背景**：可以看到一些其他的工业设备和结构，显示出这是一个繁忙的工业场所。

整体来看，这张图片展示了一个工业生产环境中的场景，有工人正在进行检测工作，有运输设备和材料的平板车，以及用于运输的卡车。

Process finished with exit code 0