> ## Documentation Index
> Fetch the complete documentation index at: https://docs.arouter.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# マルチモーダル

> テキストと一緒に画像、PDF、音声を送信します。画像や音声を生成します。ARouter は OpenAI、Anthropic、Google のマルチモーダルモデルをサポートします。

ARouter はマルチモーダルの入力と出力をサポートしています。テキストメッセージと一緒に画像、PDF、音声を送信し、画像や音声を出力として受け取ることができます。

## 対応モダリティ

| モダリティ            | 方向      | 備考                             |
| ---------------- | ------- | ------------------------------ |
| テキスト             | 入力 + 出力 | すべてのモデル                        |
| 画像（URL / base64） | 入力      | ビジョンモデル — JPEG、PNG、GIF、WebP    |
| PDF（base64）      | 入力      | Anthropic Claude、Google Gemini |
| 音声（base64）       | 入力      | マルチモーダル音声モデル                   |
| 画像生成             | 出力      | DALL-E 3、Flux、Stable Diffusion |
| 音声出力（TTS / 音声）   | 出力      | TTSモデル、音声チャットモデル               |

```bash theme={null}
# 画像入力に対応するモデル
GET /v1/models?supported_parameters=vision
# 画像を出力するモデル
GET /v1/models?output_modalities=image
# 音声を出力するモデル
GET /v1/models?output_modalities=audio
```

## 画像

### 画像 URL を使用する

```json theme={null}
{
  "model": "openai/gpt-5.4",
  "messages": [{
    "role": "user",
    "content": [
      {"type": "text", "text": "What's in this image?"},
      {"type": "image_url", "image_url": {"url": "https://example.com/image.jpg"}}
    ]
  }]
}
```

### 画像の詳細レベル

| 値             | 説明                                |
| ------------- | --------------------------------- |
| `auto`（デフォルト） | プロバイダーが画像サイズに基づいて決定               |
| `low`         | より高速、低コスト — 85 トークン、512×512 にリサイズ |
| `high`        | フル解像度 — 画像をタイル分割、より多くのトークンを消費     |

## モデルの互換性

| モデル                           | 画像 URL | 画像 Base64 | PDF | 音声入力 |
| ----------------------------- | ------ | --------- | --- | ---- |
| `openai/gpt-5.4`              | ✓      | ✓         | —   | —    |
| `anthropic/claude-sonnet-4.6` | ✓      | ✓         | ✓   | —    |
| `google/gemini-2.5-flash`     | ✓      | ✓         | ✓   | ✓    |
| `google/gemini-2.5-pro`       | ✓      | ✓         | ✓   | ✓    |

## その他のモダリティ

* [音声](/jp/guides/features/audio) — 音声テキスト変換、テキスト音声変換、音声チャットモデル
* [画像生成](/jp/guides/features/image-generation) — テキストプロンプトから画像を生成

<Note>
  画像トークンはプロンプトトークン制限にカウントされます。`detail: "high"` を使用した大きな高解像度画像は、テキストよりも大幅に多くのトークンを消費することがあります。
</Note>