Entegrasyon rehberleri · 2026-10-10

Step 5 Preview ile video ve görsel girdi: base64 ile API isteği

Step 5 Preview'a video ve görseli base64 data URL olarak gönderin: video_url ve image_url parçaları, biçimler, 9 MB sınırı ve faturalama.

Basit şema: video ve görsel (base64) kutuları https://llmtr.com/v1 adresine gider, adres kutusunda stepfun/step-5-preview model kimliği yazar ve metin yanıt geri döner.

Kısa yanıt: video ve görsel, mesajın içinde base64 data URL olarak gider

LLMTR (llmtr.com), Türkiye'de ve global sağlayıcılarda barındırılan dil modellerine tek, OpenAI uyumlu API'den erişim veren bir gateway'dir. StepFun Step 5 Preview'a video ve görseli, https://llmtr.com/v1/chat/completions uç noktasına giden mesajın içinde base64 data URL olarak gönderirsiniz. Model kimliği stepfun/step-5-preview'dur; görsel image_url, video video_url parçasıyla eklenir ve aynı mesajdaki bir metin parçası soruyu taşır. İstemci tarafında base URL https://llmtr.com/v1 olur.

Model görseli ve videoyu okur, cevabı metin olarak döndürür; görsel ya da video üretmez. Medya girdi token'ı olarak sayılır ve 1 milyon token başına 1,00 $ üzerinden faturalanır. Bağlam penceresi 1.024.000 token'dır; konuşma geçmişini medya ile birlikte yeniden gönderirseniz o medya da yeniden sayılır.

Step 5 Preview'a video ve görsel nasıl gönderilir?

Videoyu base64'e çevirin ve data:video/mp4;base64, önekiyle bir video_url parçasına koyun. Aynı mesajın content dizisine soruyu taşıyan bir text parçası ekleyin. Aşağıdaki curl isteği bir ekran kaydındaki başarısız ödeme adımlarını sorar; base64 metin örnekte kısaltılmıştır.

Görsel için aynı yapıda bir image_url parçası kullanılır ve url değeri data:image/png;base64, ile başlar. Bir mesajda metin, görsel ve video parçaları birlikte bulunabilir, ancak mesaj başına en fazla 16 içerik parçası gönderilir. StepFun'un Files API'sinden gelen stepfile:// referansları LLMTR üzerinden kabul edilmez; dosyayı base64 olarak gönderin.

Bir ekran kaydını data:video/mp4;base64 olarak gönderen ve reasoning_effort low kullanan curl isteği (base64 metin kısaltıldı).

curl https://llmtr.com/v1/chat/completions \
  -H "Authorization: Bearer $LLMTR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "stepfun/step-5-preview",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "This screen recording shows a failed checkout. List the steps the user took and where the error appears."},
        {"type": "video_url", "video_url": {"url": "data:video/mp4;base64,AAAAIGZ0eXBpc29t..."}}
      ]
    }],
    "reasoning_effort": "low",
    "max_tokens": 2048
  }'

Desteklenen biçimler ve boyut sınırları

StepFun görsel için JPG, PNG, WebP ve durağan GIF biçimlerini kabul eder. Video için LLMTR'de data:video/mp4 ve data:video/quicktime önekleri kullanılır. Base64 olarak gönderilen video yaklaşık 9 MB ile sınırlıdır.

Daha uzun bir kayıt için videoyu kısaltın, çözünürlüğünü düşürün ya da kliplere bölüp her klibi ayrı bir istekle gönderin; ardından klip cevaplarını tek bir özet isteğinde birleştirin. Hangi sahnelerin önemli olduğunu biliyorsanız yalnızca o bölümleri göndermek girdi token'larını azaltır.

stepfun/step-5-preview için görsel ve video girdisi (2026-10-10 tarihinde kontrol edildi)
KonuDeğer
Görsel parçasıimage_url, data:image/...;base64
Görsel biçimleriJPG, PNG, WebP, durağan GIF
Video parçasıvideo_url, data:video/mp4;base64 ya da data:video/quicktime;base64
Base64 video sınırıyaklaşık 9 MB
stepfile:// referanslarıkabul edilmez
Mesaj başına içerik parçasıen fazla 16
Girdi fiyatı (1 milyon token)1,00 $

Python ile görseli base64'e çevirip göndermek

OpenAI Python SDK'sında görseli okuyup base64'e çevirmek iki satırdır. Aşağıdaki örnek bir ekran görüntüsündeki hata mesajını sorar; aynı kalıp bir ürün fotoğrafı, bir grafik ya da taranmış bir form için de çalışır.

reasoning_effort low, kısa bir görsel soru için iyi bir başlangıçtır; birden çok görseli karşılaştırmak ya da bir grafikten sonuç çıkarmak gibi işlerde medium ya da high deneyin. Model her seviyede düşünür ve düşünme token'ları max_tokens bütçesinden harcanır. finish_reason length ile dönen yanıtı tamamlanmamış sayın ve bütçeyi yükseltin.

Bir PNG ekran görüntüsünü base64 data URL olarak image_url parçasına koyan OpenAI Python SDK örneği.

import base64
from openai import OpenAI

client = OpenAI(base_url="https://llmtr.com/v1", api_key="llmtr-your_key")

with open("screenshot.png", "rb") as f:
    image_b64 = base64.b64encode(f.read()).decode("ascii")

response = client.chat.completions.create(
    model="stepfun/step-5-preview",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "What error message is shown in this screenshot?"},
            {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{image_b64}"}},
        ],
    }],
    reasoning_effort="low",
    max_tokens=2048,
)
print(response.choices[0].message.content)
print(response.usage.prompt_tokens)

Görsel ve video girdisi nasıl faturalanır?

Görsel ve video için ayrı bir birim fiyat yoktur: medya girdi token'ı olarak sayılır ve 1 milyon token başına 1,00 $ üzerinden faturalanır. Bir isteğin kaç girdi token'ı tuttuğunu yanıttaki usage.prompt_tokens alanında görürsünüz. Cevap ve düşünme token'ları çıktıdır ve 1 milyon token başına 2,70 $ üzerinden faturalanır.

Aynı videoyu birkaç soru için kullanacaksanız soruları tek mesajda toplayın, çünkü her istek medyayı yeniden gönderir ve yeniden sayılır. Sohbet geçmişini medya parçalarıyla birlikte geri gönderdiğinizde de aynı kural geçerlidir. Sonraki turda medyaya ihtiyaç yoksa geçmişte yalnızca modelin metin cevabını tutmak girdi token'larını azaltır.

Kullanım örnekleri ve LLMTR ile başlamak

Tipik işler şunlardır: bir hata raporuna eklenen ekran kaydından kullanıcının adımlarını çıkarmak, bir ürün demosunun kontrol listesine uyup uymadığını sormak, bir ekran görüntüsündeki hata mesajını okumak, bir grafikten değerleri tabloya dökmek. Sonucu kodla işlemek istiyorsanız response_format ile json_schema verin; Step 5 Preview verdiğiniz şemaya uyan JSON döndürür.

Başlamak için llmtr.com'da bir hesap açın, Dashboard > API Anahtarları altında bir anahtar oluşturun ve yukarıdaki isteklerden birini model olarak stepfun/step-5-preview yazarak https://llmtr.com/v1 adresine gönderin. Aynı anahtar katalogdaki her modelde çalışır ve istekler ön ödemeli krediden katalog fiyatıyla düşülür.

Step 5 Preview'a video ya da görsel gönderme

Dosyayı base64'e çevirin, data URL olarak mesaja ekleyin ve stepfun/step-5-preview ile https://llmtr.com/v1/chat/completions adresine gönderin.

  1. Base64. Videoyu ya da görseli base64'e çevirin. Base64 video yaklaşık 9 MB ile sınırlıdır.
  2. Parça. Görseli image_url, videoyu video_url parçası olarak data URL ile mesajın content dizisine ekleyin; soruyu bir text parçasına yazın.
  3. İstek. İsteği model olarak stepfun/step-5-preview ile https://llmtr.com/v1/chat/completions adresine gönderin ve cevabı message.content alanından okuyun.

Sık sorulan sorular

Step 5 Preview video anlayabilir mi?

Evet. Videoyu data:video/mp4;base64 biçiminde bir video_url parçası olarak https://llmtr.com/v1/chat/completions isteğine ekleyin; model videoyu okur ve cevabı metin olarak döndürür.

Step 5 Preview'a bir mesajda kaç görsel gönderebilirim?

LLMTR üzerinden mesaj başına en fazla 16 içerik parçası gönderilir ve soruyu taşıyan metin parçası da bu sayıya dahildir. Daha fazla görsel için işi birden çok isteğe bölün.

Görsel ve video girdisi ayrıca ücretlendirilir mi?

Hayır, ayrı bir birim fiyat yoktur. Medya girdi token'ı olarak sayılır ve 1 milyon token başına 1,00 $ üzerinden faturalanır; sayıyı usage.prompt_tokens alanında görürsünüz.

İlgili yazılar