跳转到主要内容

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.

ARouter 支持多模态输入和输出——您可以在文字消息旁边发送图像、PDF 和音频，并以图像或语音音频作为输出接收。

​
支持的模态

模态方向备注
文字输入 + 输出所有模型
图像（URL / base64）输入视觉模型 — JPEG、PNG、GIF、WebP
PDF（base64）输入Anthropic Claude、Google Gemini
音频（base64）输入多模态音频模型
图像生成输出DALL-E 3、Flux、Stable Diffusion
音频输出（TTS / 语音）输出TTS 模型、音频对话模型
# 支持图像输入的模型
GET /v1/models?supported_parameters=vision
# 输出图像的模型
GET /v1/models?output_modalities=image
# 输出音频的模型
GET /v1/models?output_modalities=audio

​
图像

​
使用图像 URL

{
  "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"}}
    ]
  }]
}

​
图像细节级别

值描述
auto（默认）提供商根据图像大小决定
low更快、更便宜 — 85 个 token，调整为 512×512
high全分辨率 — 对图像进行分块，消耗更多 token

​
模型兼容性

模型图像 URL图像 Base64PDF音频输入
openai/gpt-5.4✓✓——
anthropic/claude-sonnet-4.6✓✓✓—
google/gemini-2.5-flash✓✓✓✓
google/gemini-2.5-pro✓✓✓✓

​
其他模态

  • 音频 — 语音转文字、文字转语音和音频对话模型
  • 图像生成 — 从文字提示生成图像
图像 token 计入提示词 token 限制。使用 detail: "high" 的大型高分辨率图像可能比文字消耗多得多的 token。