SupaStore

返回博客列表

Claude 图片识别怎么用?Claude Vision API 教程(图片 Token 计算 + 代码示例)

Claude 图片识别怎么用?本文讲清 Claude Vision API 支持的图片格式与大小限制,用 base64、图片 URL 和 OpenAI SDK 三种方式演示 Claude API 上传图片,给出图片 Token 计算公式与费用示例,并附提高识图准确率的技巧和常见报错排查。

SupaStore 开发者体验组 ·

Claude 图片识别怎么用?Claude Vision API 教程(图片 Token 计算 + 代码示例)

Claude 图片识别不需要单独的接口:在 Claude API 的消息里放一个 image 内容块,再写上你的问题,Claude 就能读懂截图、提取表格、识别票据文字,甚至根据 UI 截图写出前端代码。这项能力在官方文档里叫 Vision(视觉)。

这篇 Claude Vision API 教程讲清三件事:图片怎么传(base64、URL、OpenAI SDK 三种写法)、有哪些格式和大小限制、一张图片要消耗多少 Token。图片和文字一样按 Token 计费,Token 的基础概念见《AI Token 是什么?大模型 Token 怎么计算与计费》。


Claude 图片识别能做什么

  • 截图 OCR:提取截图、扫描件、照片里的文字,中英文都可以;
  • 图表与表格:读懂折线图、柱状图和表格截图,转成 Markdown 或 JSON;
  • 票据与证件:从发票、收据、订单截图里抽取金额、日期、商品等字段;
  • UI 转代码:根据设计稿或网页截图生成 HTML / React 代码;
  • 报错排查:直接把终端报错截图发给 Claude,让它分析原因。

官方文档也列出了 Claude 图片识别的局限:不会识别图中人物的身份;对物体的坐标定位、数量统计只是近似结果,小物体很多时可能数不准;也不适合用来判断图片是否由 AI 生成,或解读 CT、MRI 等医学影像。


Claude Vision API 支持的图片格式与限制

项目 限制(Claude API)
图片格式 JPEG、PNG、GIF、WebP(GIF 只读取第一帧)
单张图片大小 base64 编码后不超过 10 MB
单张图片尺寸 不超过 8000 × 8000 像素
单次请求图片数 1M 上下文的模型最多 600 张,200K 上下文的模型最多 100 张
多图请求 超过 20 张时,每张图片的宽和高都不能超过 3000 像素
整个请求体 不超过 128 MB

尺寸在 8000 像素以内、但超过模型缩放上限的图片,会先被等比缩小再识别(缩放规则见下文"图片 Token 怎么算");超过 10 MB、超过 8000 像素或违反多图限制,则会返回 400 错误。


方法一:base64 上传图片(Claude 原生接口)

本地图片最常用的方式是 base64 编码后放进 image 内容块。下面用 cURL 调用 Claude 原生的 Messages 接口,识别一张截图里的文字:

IMG_B64=$(base64 < screenshot.png | tr -d '\n')

curl https://api.supastore.cc/v1/messages \
  -H "Content-Type: application/json" \
  -H "x-api-key: $SUPASTORE_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -d @- <<EOF
{
  "model": "claude-sonnet-4-6",
  "max_tokens": 1024,
  "messages": [{
    "role": "user",
    "content": [
      {
        "type": "image",
        "source": {"type": "base64", "media_type": "image/png", "data": "$IMG_B64"}
      },
      {"type": "text", "text": "提取图片中的全部文字,保留原有段落"}
    ]
  }]
}
EOF

三个要点:

  1. media_type 要和图片的真实格式一致,PNG 写 image/png,JPG 写 image/jpeg;
  2. data 里只放 base64 字符串,不要带 data:image/png;base64, 前缀;
  3. 图片放在文字前面,官方文档说明这样识别效果更好。

还没有 Key 的话,申请方法见《Claude API Key 怎么获取?》。


方法二:用图片 URL 识别网络图片

图片已经在公网上时,不需要自己编码,把 source 换成 URL 即可:

{
  "type": "image",
  "source": {"type": "url", "url": "https://example.com/chart.png"}
}

URL 必须能从公网直接访问。需要登录、带防盗链或只在内网可访问的图片,请先下载到本地,再用 base64 方式上传。


方法三:用 OpenAI SDK 做 Claude 图片识别(Python)

如果你的项目已经在用 OpenAI SDK,不用改代码结构:通过 SupaStore 的 OpenAI 兼容接口,image_url 内容会被转换成 Claude 的图片格式。

import base64
from openai import OpenAI

client = OpenAI(
    base_url="https://api.supastore.cc/v1",
    api_key="sk-your-supastore-api-key",
)

with open("invoice.jpg", "rb") as f:
    img_b64 = base64.b64encode(f.read()).decode()

resp = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[{
        "role": "user",
        "content": [
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{img_b64}"}},
            {"type": "text", "text": "提取发票号码、开票日期和价税合计,用 JSON 返回"},
        ],
    }],
)
print(resp.choices[0].message.content)

这里的 url 既可以是 data: 开头的 base64 数据,也可以是公网图片地址。需要 Claude 稳定返回 JSON 时,可以配合《Claude 结构化输出怎么用?》里的方法;Python SDK 的其他用法见《Claude API 调用教程:Python 接入 Claude API 完整示例》。


Claude 图片 Token 怎么算

Claude 会把图片切成 28 × 28 像素的小块,每一块算 1 个 Token:

图片 Token ≈ ⌈宽 ÷ 28⌉ × ⌈高 ÷ 28⌉

图片太大时会先等比缩小。缩放规则分两档:

  • 标准档(Claude Sonnet 4.6 等较早的模型):长边最多 1568 像素,单张最多约 1,568 Token;
  • 高分辨率档(Claude 4.7 及之后的模型,包括 Claude 5 系列):长边最多 2576 像素,单张最多约 4,784 Token。

官方给出的几个例子:

原图尺寸 标准档 Token 高分辨率档 Token
200 × 200 64 64
1000 × 1000 1,296 1,296
1920 × 1080 1,560(缩到 1456 × 819) 2,691
3840 × 2160 1,560(缩到 1456 × 819) 4,784(缩到 2576 × 1449)

一张图片要多少钱

按 Anthropic 官方价格计算,一张 1920 × 1080 的截图:

claude-sonnet-4-6($3 / 百万 Token):1,560 × $3 / 1M ≈ $0.0047
claude-sonnet-5-5($2 / 百万 Token):2,691 × $2 / 1M ≈ $0.0054

单张很便宜,但批量处理一万张截图就是几十美元。不需要看清细节时,先把图片缩小再上传是最直接的省钱办法。各模型的单价见《Claude API 价格是多少?》。


提高 Claude 图片识别准确率的 5 个技巧

  1. 先裁剪再上传:只保留需要识别的区域,既省 Token,又减少干扰;
  2. 自己控制缩放:超出上限的图片会被自动缩小,文字可能变糊。截图里有小字时,先裁剪成几块分别识别;
  3. 避免过度压缩:JPEG 压缩过狠会让文字边缘模糊,截图优先用 PNG;
  4. 多张图片要编号:在每张图片前加一句"图片 1:"、"图片 2:",提问时引用编号,Claude 不容易混淆;
  5. 把要求写具体:与其问"这张图是什么",不如写"提取表格第 2 到 5 行,按 日期,金额 输出 CSV"。

Claude 图片识别常见报错

现象 常见原因 处理方法
400,提示图片过大 base64 编码后超过 10 MB 压缩或缩小图片后再上传
400,提示 many-image 一次超过 20 张图,且有图片边长超过 3000 像素 缩小图片,或分批发送
400,图片格式错误 media_type 与真实格式不一致,或 data 带了 data: 前缀 核对格式,去掉前缀
识别结果明显不对 图片被缩小后小字看不清 裁剪出局部区域再识别
413 请求过大 整个请求体超过 128 MB 减少单次图片数量

其他错误码的排查方法见《Claude API 报错怎么办?》。PDF 文档的识别方式和图片类似,见《Claude 怎么读取 PDF?》。


常见问题 (FAQ)

Q: Claude 所有模型都能识别图片吗?

答: 目前在售的 Claude 模型(Opus、Sonnet、Haiku 系列)都支持图片输入。不同模型的缩放档位不同,Claude 4.7 及之后的模型能看到更高分辨率的细节,相应的图片 Token 也更多。

Q: Claude 识别中文图片准确吗?

答: 印刷体中文截图的识别效果很好;手写体、低分辨率照片和艺术字的准确率会下降。关键数据建议让 Claude 用结构化格式输出,再做一次程序校验。

Q: 同一张图片要问多个问题,会重复计费吗?

答: 会。每次请求都会重新计算图片 Token。可以把图片放在 Prompt 缓存的前缀里,后续请求命中缓存后按缓存价计费,用法见《Claude Prompt 缓存怎么用?》。

Q: 可以让 Claude 生成图片吗?

答: 不可以。Claude 只能读取和理解图片,不能生成图片。需要生成图片时,请使用专门的图像生成模型。