Muse Spark Open'a görsel, video ve ses gönderme

Kısa yanıt: üç içerik parçası, tek uç nokta

LLMTR (llmtr.com), farklı sağlayıcıların dil modellerine tek bir OpenAI uyumlu API ile erişim veren bir gateway'dir. Muse Spark Open'a (meta/muse-spark-open) görsel, video ve sesi, https://llmtr.com/v1 adresindeki /v1/chat/completions uç noktasına mesajın content dizisinde birer içerik parçası olarak gönderirsiniz: görsel için image_url, video için video_url, ses için input_audio.

Meta, Muse Spark Open'ı metin, görsel, video ve ses girdisi alan ve metin üreten bir model olarak tanımlar. LLMTR'deki model kartı da görsel, video ve ses girdisini listeler; yanıt her zaman metindir. Ekran görüntüsündeki bir hata mesajını okumak, ürün fotoğrafından özellik çıkarmak, kısa bir eğitim videosundaki adımları sıralamak ya da bir toplantı kaydını yazıya dökmek bu girdilerle kurulabilecek işlere örnektir. Bağlam penceresi 1.048.576 token'dır. Bu yazı her parçanın biçimini, nasıl faturalandığını ve hangi girdilerin desteklenmediğini anlatır.

• Meta, Muse Spark Open model kartı · 2026-10-17
• Meta, Build with Muse Spark Open · 2026-10-17

Muse Spark Open'a görsel, video ve ses nasıl gönderilir?

Mesajın content alanını düz metin yerine bir dizi olarak yazın. Dizinin ilk öğesi soruyu taşıyan bir text parçası, ikincisi medya parçasıdır. Görsel parçasının type değeri image_url'dir ve adres image_url.url alanına yazılır. Video parçası video_url türündedir ve adres video_url.url alanında durur. Ses parçası input_audio türündedir: base64 veri input_audio.data alanına, biçim input_audio.format alanına yazılır.

Aşağıdaki Python örneği dosyayı base64'e çeviren küçük bir yardımcı ve her istekte tek bir medya parçası gönderen bir ask fonksiyonu tanımlar. Üç çağrı aynı modele ve aynı uç noktaya gider; yalnızca içerik parçası değişir. reasoning_effort değeri low, modelin en az düşündüğü düzeydir ve betimleme ya da döküm gibi işlerde çıktı token'ını düşük tutar. Her çağrının usage alanı, medyanın kaç girdi token'ı tuttuğunu gösterir. Aynı fonksiyonu bir döngüye koyarak bir klasördeki dosyaları tek tek işleyebilirsiniz; her dosya ayrı bir istektir ve ayrı faturalanır.

OpenAI Python SDK ile meta/muse-spark-open'a görsel, video ve ses gönderen üç ayrı istek; her istek tek medya parçası taşır.

import base64
import os

from openai import OpenAI

client = OpenAI(base_url="https://llmtr.com/v1", api_key=os.environ["LLMTR_API_KEY"])


def b64(path):
    with open(path, "rb") as f:
        return base64.b64encode(f.read()).decode("ascii")


def ask(question, media_part):
    response = client.chat.completions.create(
        model="meta/muse-spark-open",
        reasoning_effort="low",
        max_tokens=4096,
        messages=[{"role": "user", "content": [{"type": "text", "text": question}, media_part]}],
    )
    return response.choices[0].message.content, response.usage


# Image: base64 data URL (a public https URL also works)
print(ask("What colour is the shirt in this photo?",
          {"type": "image_url", "image_url": {"url": "data:image/png;base64," + b64("photo.png")}}))

# Video: video_url part with a base64 MP4 data URL
print(ask("Which colours appear in this clip, in order?",
          {"type": "video_url", "video_url": {"url": "data:video/mp4;base64," + b64("clip.mp4")}}))

# Audio: input_audio part with base64 WAV data
print(ask("Transcribe this recording.",
          {"type": "input_audio", "input_audio": {"data": b64("speech.wav"), "format": "wav"}}))

Görsel: base64 data URL ya da https adresi

Görseli iki yolla gönderebilirsiniz: dosyayı data:image/png;base64,... biçiminde bir data URL olarak ya da herkese açık bir https adresi olarak. LLMTR yalnızca https adreslerini kabul eder; http:// ile başlayan ya da yerel ağı gösteren adresler 400 alır. Data URL kullandığınızda görsel isteğin içinde gider ve bir adresin erişilebilir olmasına bağlı kalmazsınız.

Soruyu text parçasında açık yazın: "bu görseli anlat" yerine "fotoğraftaki gömleğin rengi ne" gibi tek bir şey sormak, kısa ve kontrol edilebilir bir yanıt verir. Görsel token'ları prompt_tokens içinde sayılır ve 1 milyon token başına 1,25 $ girdi fiyatından faturalanır.

Video: video_url parçası ve MP4 data URL

Videoyu video_url parçasıyla gönderin: MP4 dosyasını base64'e çevirip data:video/mp4;base64,... biçiminde url alanına yazın. Base64 kodlama dosyayı yaklaşık üçte bir büyütür; gereksiz uzun ya da yüksek bit hızlı bir dosya yerine işi gören en küçük dosyayı gönderin. Video token'ları da prompt_tokens içinde sayılır ve girdi fiyatından faturalanır; uzun bir klip, uzun bir istem gibi girdi tarafını büyütür.

Meta'nın model kartı videoyla ilgili bir sınırlamayı not eder: çok kısa ya da düşük çözünürlüklü videolarda (birkaç saniye ve yaklaşık 100 piksel) model zaman zaman videoyu göremediğini söyleyebilir. Kart güvenilir sonuç için daha uzun klipler ya da kısa kenarda en az 448 piksel çözünürlük önerir. Videodan bir sıra, sayı ya da renk soruyorsanız soruyu da buna göre net yazın.

Ses: input_audio parçası ve base64 WAV

Ses input_audio parçasıyla gider: WAV dosyasının base64 kodlanmış hali data alanına, wav değeri format alanına yazılır. Görsel ve videodan farklı olarak bu alan bir data URL değil, öneksiz düz base64 veridir; dokümandaki örnekte veri UklGR ile başlar. Kaydınız MP3 gibi başka bir biçimdeyse göndermeden önce WAV'a dönüştürün; dokümanda anlatılan biçim WAV'dır.

Model kartı ses girdisini listeler ve dokümandaki biçim base64 kodlu WAV'dır. Döküm, özet ya da kayıttaki bir soruyu yanıtlama gibi işlerde ne istediğinizi text parçasında yazın: "bu kaydı yazıya dök" ya da "konuşmacı hangi tarihi söylüyor" gibi. Ses token'ları da prompt_tokens içinde sayılır ve girdi fiyatından faturalanır. Uzun kayıtları anlamlı parçalara bölmek hem yanıtı hem maliyeti kontrol etmeyi kolaylaştırır.

Faturalama, desteklenmeyen girdiler ve veri notu

Medya girdisinin ayrı bir fiyat kalemi yoktur: görsel, video ve ses token'ları prompt_tokens içinde, 1 milyon token başına 1,25 $ girdi fiyatından faturalanır. Yanıt ve düşünme token'ları completion_tokens içinde, 4,25 $ çıktı fiyatından faturalanır. Bir medya dosyasının kaç token tuttuğunu yanıtın usage alanında görürsünüz; maliyeti tahmin etmek için önce tek bir dosyayla deneyin.

PDF gibi dosya parçaları bu modelde desteklenmez; belgenin metnini text parçası olarak ekleyin. LLMTR'deki model kartı yapılandırılmış çıktıyı da listeler; bir görselden ya da kayıttan alan çıkaran işlerde response_format ile json_schema göndermeyi kendi örneklerinizle deneyin. Kartın veri notu şudur: bu model üçüncü taraf bir sağlayıcı üzerinden sunulur.

Muse Spark Open'a medya dosyası gönderme

API anahtarını hazırlayın, dosyayı base64'e çevirin ve doğru içerik parçasıyla meta/muse-spark-open'a https://llmtr.com/v1 üzerinden gönderin.

1. API anahtarı. llmtr.com'da Dashboard > API Anahtarları altında bir anahtar oluşturun ve LLMTR_API_KEY ortam değişkeninde saklayın.
2. Dosyayı base64'e çevirin. Görsel ve video için data:image/png;base64,... ya da data:video/mp4;base64,... biçiminde bir data URL, ses için öneksiz base64 WAV hazırlayın.
3. İsteği gönderin. content dizisine bir text parçası ve image_url, video_url ya da input_audio parçasını koyun; isteği meta/muse-spark-open ile https://llmtr.com/v1/chat/completions adresine gönderin.

Sık sorulan sorular

Muse Spark Open'a video nasıl gönderilir?

video_url parçasıyla. MP4 dosyasını base64'e çevirip data:video/mp4;base64,... biçiminde url alanına yazın ve isteği meta/muse-spark-open ile https://llmtr.com/v1/chat/completions adresine gönderin.

Muse Spark Open ses dosyası okuyabilir mi?

Model kartı ses girdisini listeler. Sesi input_audio parçasıyla gönderin: data alanına base64 kodlu WAV, format alanına wav yazın.

Görsel, video ve ses nasıl faturalanır?

Medya token'ları prompt_tokens içinde sayılır ve 1 milyon token başına 1,25 $ girdi fiyatından faturalanır. Yanıt ve düşünme token'ları 4,25 $ çıktı fiyatından faturalanır.

İlgili yazılar

• Muse Spark Open API: OpenAI SDK ile kullanım ve fiyat
• Muse Spark Open reasoning_effort: düzey seçimi ve maliyet
• Ekim 2026'da LLMTR'ye eklenen modeller: tablo ve rehber

• Muse Spark Open model sayfası
• Muse Spark Open dokümantasyonu
• Chat Completions dokümantasyonu