Qwen3-VL-235B-A22B-Thinking 网络视频分析 API 文档
📖 接口说明
通过多模态 AI 模型分析图片内容,理解视频内容、提取视频信息。
✨模型名称
Qwen3-VL-235B-A22B-Thinking
🔗 接口地址
https://www.dmxapi.cn/v1/chat/completions💻 Python 调用示例
python
"""
╔══════════════════════════════════════════════════════════════════════════════╗
║ DMX API 多模态视频识别示例 ║
║ Qwen3-VL-235B-A22B-Thinking 模型调用 ║
╚══════════════════════════════════════════════════════════════════════════════╝
【功能说明】
本脚本演示如何使用 DMX API 的 chat/completions 接口进行视频内容识别。
通过调用 Qwen3-VL (Vision-Language) 多模态大模型，实现对视频内容的
智能分析与描述。该模型支持"思维链"推理，会输出推理过程。
【支持的输入类型】
- 文本 (text) : 用户的文字提示或问题
- 图片 (image_url) : 通过 URL 传入的图片
- 视频 (video_url) : 通过 URL 传入的视频
- 模型名称 : Qwen3-VL-235B-A22B-Thinking
【API 端点】
- 地址 : https://www.dmxapi.cn/v1/chat/completions
- 方法 : POST
- 格式 : OpenAI 兼容格式
【使用方法】
1. 将 API_KEY 替换为您的真实密钥
2. 修改 video_url 为目标视频地址
══════════════════════════════════════════════════════════════════════════════
"""
# ╔══════════════════════════════════════════════════════════════════════════╗
# ║ 导入依赖库 ║
# ╚══════════════════════════════════════════════════════════════════════════╝
import json # JSON 编码/解码，用于构建请求体和解析响应
import sys # 系统相关功能，用于配置输出编码
import requests # HTTP 请求库，用于调用 API 接口
# ────────────────────────────────────────────────────────────────────────────
# 配置标准输出编码为 UTF-8，解决 Windows 终端中文显示乱码问题
# ────────────────────────────────────────────────────────────────────────────
sys.stdout.reconfigure(encoding='utf-8')
# ╔══════════════════════════════════════════════════════════════════════════╗
# ║ API 配置信息 ║
# ╚══════════════════════════════════════════════════════════════════════════╝
# ────────────────────────────────────────────────────────────────────────────
# API 密钥 (API Key)
# ────────────────────────────────────────────────────────────────────────────
# 说明 : 用于身份验证的密钥，请替换为您自己的密钥
# 获取 : 登录 https://www.dmxapi.cn 控制台获取
# 安全 : 请勿将密钥提交到公开代码仓库
# ────────────────────────────────────────────────────────────────────────────
API_KEY = "sk-**********************************"
# ────────────────────────────────────────────────────────────────────────────
# API 请求地址 (Endpoint)
# ────────────────────────────────────────────────────────────────────────────
# 说明 : DMX API 的 chat/completions 端点，兼容 OpenAI 格式
# 协议 : HTTPS (加密传输)
# 版本 : v1
# ────────────────────────────────────────────────────────────────────────────
API_URL = "https://www.dmxapi.cn/v1/chat/completions"
# ╔══════════════════════════════════════════════════════════════════════════╗
# ║ 构建请求头 ║
# ╚══════════════════════════════════════════════════════════════════════════╝
# ────────────────────────────────────────────────────────────────────────────
# HTTP 请求头 (Headers)
# ────────────────────────────────────────────────────────────────────────────
# Content-Type : 指定请求体的数据格式为 JSON
# Authorization : Token 认证方式，携带 API 密钥
# ────────────────────────────────────────────────────────────────────────────
headers = {
"Content-Type": "application/json", # 请求体格式：JSON
"Authorization": f"{API_KEY}" # 认证方式：Token
}
# ╔══════════════════════════════════════════════════════════════════════════╗
# ║ 构建请求体 ║
# ╚══════════════════════════════════════════════════════════════════════════╝
# ────────────────────────────────────────────────────────────────────────────
# 请求体结构说明 (Payload Structure)
# ────────────────────────────────────────────────────────────────────────────
# {
# "model": "模型名称",
# "messages": [
# {
# "role": "user", # 角色：user / assistant / system
# "content": [ # 多模态内容数组
# { "type": "text", "text": "..." }, # 文本内容
# { "type": "video_url", "video_url": {...} } # 视频内容
# ]
# }
# ]
# }
# ────────────────────────────────────────────────────────────────────────────
payload = {
# ========================================================================
# 模型选择 (Model Selection)
# ========================================================================
# Qwen3-VL-235B-A22B-Thinking:
# ========================================================================
"model": "Qwen3-VL-235B-A22B-Thinking",
# ========================================================================
# 消息数组 (Messages Array)
# ========================================================================
# 采用 OpenAI 兼容的消息格式，支持多轮对话
# ========================================================================
"messages": [
{
# ----------------------------------------------------------------
# 消息角色 (Role)
# ----------------------------------------------------------------
# - user : 用户消息
# - assistant : AI 助手回复
# - system : 系统提示词
# ----------------------------------------------------------------
"role": "user",
# ----------------------------------------------------------------
"content": [
# ============================================================
# 文本内容 (Text Content)
# ============================================================
# type : 内容类型标识
# text : 用户的文字提示，引导模型分析视频
# ============================================================
{
"type": "text",
"text": "描述这个视频中的内容"
},
# ============================================================
# 视频内容 (Video Content)
# ============================================================
# type : 内容类型标识，视频使用 "video_url"
# video_url : 视频 URL 配置对象
# └─ url : 视频的完整 URL 地址
#
# ============================================================
{
"type": "video_url",
"video_url": {
"url": "https://doc.dmxapi.cn/0_fenxiang/aa.mp4"
}
},
],
}
],
}
# ╔══════════════════════════════════════════════════════════════════════════╗
# ║ 发送请求 & 处理响应 ║
# ╚══════════════════════════════════════════════════════════════════════════╝
try:
# ========================================================================
# 步骤 1: 发送 POST 请求
# ========================================================================
# 使用 requests.post() 发送 HTTP POST 请求
# - url : API 端点地址
# - headers : 请求头（包含认证信息）
# - data : 请求体（JSON 格式的字符串）
# ========================================================================
print("正在分析视频，请稍候...")
print("─" * 60)
response = requests.post(
url=API_URL,
headers=headers,
data=json.dumps(payload) # 将字典转换为 JSON 字符串
)
# ========================================================================
# 步骤 2: 检查响应状态
# ========================================================================
# raise_for_status() 会在 HTTP 状态码表示错误时抛出异常
# - 4xx : 客户端错误（如 401 未授权、404 未找到）
# - 5xx : 服务器错误（如 500 内部错误、503 服务不可用）
# ========================================================================
response.raise_for_status()
# ========================================================================
# 步骤 3: 解析 JSON 响应
# ========================================================================
# API 返回的响应体为 JSON 格式，需解析为 Python 字典
# ========================================================================
result = response.json()
# ========================================================================
# 步骤 4: 输出结果
# ========================================================================
print("请求成功!")
print("═" * 60)
# ------------------------------------------------------------------------
# 4.1 输出推理过程 (Reasoning Content)
# ------------------------------------------------------------------------
# Thinking 系列模型特有的输出，展示模型的思考过程
# 字段路径: result['choices'][0]['message']['reasoning_content']
# ------------------------------------------------------------------------
reasoning = result['choices'][0]['message'].get('reasoning_content', '')
if reasoning:
print()
print("┌─────────────────────────────────────────────────────────────┐")
print("│ 【推理过程】 │")
print("└─────────────────────────────────────────────────────────────┘")
print(reasoning)
print()
# ------------------------------------------------------------------------
# 4.2 输出分析结果 (Content)
# ------------------------------------------------------------------------
# 模型对视频内容的最终分析描述
# 字段路径: result['choices'][0]['message']['content']
# ------------------------------------------------------------------------
content = result['choices'][0]['message']['content']
print("┌─────────────────────────────────────────────────────────────┐")
print("│ 【分析结果】 │")
print("└─────────────────────────────────────────────────────────────┘")
print(content)
print()
# ------------------------------------------------------------------------
# 4.3 输出 Token 使用统计 (Usage Statistics)
# ------------------------------------------------------------------------
# Token 是模型处理文本的基本单位，用于计费和限制
# - prompt_tokens : 输入消耗的 Token 数（包含视频帧）
# - completion_tokens : 输出消耗的 Token 数
# - total_tokens : 总计消耗的 Token 数
# ------------------------------------------------------------------------
print("═" * 60)
print("┌─────────────────────────────────────────────────────────────┐")
print("│ 【Token 使用统计】 │")
print("└─────────────────────────────────────────────────────────────┘")
usage = result['usage']
print(f" ● 输入 Token (Prompt) : {usage['prompt_tokens']:,}")
print(f" ● 输出 Token (Completion) : {usage['completion_tokens']:,}")
print(f" ● 合计 Token (Total) : {usage['total_tokens']:,}")
print("═" * 60)
# ╔══════════════════════════════════════════════════════════════════════════╗
# ║ 异常处理 ║
# ╚══════════════════════════════════════════════════════════════════════════╝
except requests.exceptions.RequestException as e:
# ========================================================================
# 网络请求异常 (Request Exception)
# ========================================================================
# 捕获所有 requests 库可能抛出的异常，包括：
# - ConnectionError : 网络连接失败
# - Timeout : 请求超时
# - HTTPError : HTTP 状态码错误 (4xx, 5xx)
# - TooManyRedirects: 重定向次数过多
# ========================================================================
print("═" * 60)
print("【请求失败】")
print(f" 错误类型: {type(e).__name__}")
print(f" 错误信息: {e}")
# 如果响应对象存在，尝试输出详细错误信息
if hasattr(e, 'response') and e.response is not None:
print(f" 状态码 : {e.response.status_code}")
print(f" 响应内容: {e.response.text}")
print("═" * 60)
except ValueError as e:
# ========================================================================
# JSON 解析异常 (Value Error)
# ========================================================================
# 当响应内容不是有效的 JSON 格式时抛出
# ========================================================================
print("═" * 60)
print("【数据解析错误】")
print(f" 错误信息: {e}")
print("═" * 60)
except KeyError as e:
# ========================================================================
# 键值缺失异常 (Key Error)
# ========================================================================
# 当响应 JSON 中缺少预期的字段时抛出
# ========================================================================
print("═" * 60)
print("【响应格式错误】")
print(f" 缺少字段: {e}")
print("═" * 60)📤 返回示例
json
正在分析视频，请稍候...
请求成功!
============================================================
【推理过程】
------------------------------------------------------------
用户让我描述视频中的内容，但提供的其实是几张图片，不是视频。首先我需要确认用户的需求，可能他们误将图片序列当作视频。接下来，我需要分析每张图片的内容，然后按顺序描述。
首先看图片1：这是《复仇者联盟4》的中文海报，有“逆转无限”和“不惜一切代价”的标语，底部有上映日期4月24日，漫威标志，还有众多角色的剪影和形象，比如钢铁侠、美国队长、雷神等，背景是宇宙星空，上方有灭霸的剪影。
图片2：美国队长和黑寡妇并肩站立，背景是星空和山脉，美国队长穿蓝红制服，黑寡妇穿黑色紧身衣，两人表情严肃。
图片3：美国队长和黑寡妇的特写，美国队长的制服细节更清晰，黑寡妇手持盾牌，背景是星空，氛围紧张。
图片4：雷神的特写，手持雷神之锤，锤子有闪电，他穿着战甲，红色披风，表情坚定。
图片5：黑寡妇的特写，戴着红色发光的耳机，表情专注，背景是星空和黄昏的天空。
图片6：和图片5类似，但可能光线有变化，黑寡妇的耳机发光，表情严肃。
图片7：另一张海报，顶部有“DMXAPI”字样，角色排列类似图片1，但可能是不同版本，背景是紫色星空，角色更多。
图片8：和图片7类似，可能细节略有不同，但同样有“DMXAPI”标题。
图片9：和图片7、8相似，也是“DMXAPI”海报，角色位置可能调整。
需要注意到用户可能混淆了视频和图片序列，所以描述时要说明这是多张图片组成的序列，按顺序描述每张的内容，重点在角色、场景、文字信息等。
需要注意图片中的角色：钢铁侠、美国队长、雷神、黑寡妇、鹰眼、惊奇队长等，还有灭霸的剪影。文字方面有中文标语、上映日期、DMXAPI（可能是个错误或自定义标题）。
可能用户提供的图片序列是模拟视频帧，所以描述时按时间顺序列出每张图的关键元素，指出可能的错误，比如“DMXAPI”可能是AI生成的错误标题，而原版是“复仇者联盟4”。
需要确认是否有重复或相似的图片，比如图片7-9都是类似海报，可能只是微调。重点描述主要角色和场景变化，以及文字信息的变化。
【分析结果】
------------------------------------------------------------
你提供的内容并非视频，而是**9张静态图片组成的序列**（可能是模拟视频帧的图片集）。以下是按顺序对每张图片的详细描述：
---
### **图片1：《复仇者联盟4》中文官方海报**
- **核心内容**：漫威电影《复仇者联盟4：终局之战》的官方中文海报。
- **视觉元素**：
- 顶部有中文标语“**逆转无限**”“**不惜一切代价**”，背景是巨大的灭霸剪影（紫色皮肤、头盔）。
- 中间密集排列主要角色：钢铁侠（胸前反应堆发光）、美国队长（持盾）、雷神（持斧）、黑寡妇、鹰眼、惊奇队长、蚁人等，角色姿态充满战斗感。
- 底部有“**复仇者联盟4 终局之战**”的金色标题，以及“**4月24日 最后集结**”的上映信息，还有“MARVEL STUDIOS”标志和IMAX/3D等技术标识。
- **氛围**：宇宙星空背景，整体色调偏蓝紫，充满史诗感与紧张感。
---
### **图片2：美国队长与黑寡妇的双人特写**
- **场景**：两人并肩站立于荒凉的星球表面，背景是星空与山脉。
- **角色细节**：
- 美国队长身穿蓝红相间的“新战衣”（胸前有白色星形标志），表情坚毅。
- 黑寡妇穿黑色紧身战斗服，红发随风飘动，手持美国队长的盾牌（红白蓝配色）。
- **氛围**：冷色调星空与暖色地平线对比，突出角色的决绝感。
---
### **图片3：美国队长与黑寡妇的近景特写**
- **细节强化**：
- 美国队长战衣的纹理、腰带装备清晰可见；黑寡妇的盾牌边缘反光明显。
- 背景星空更暗，突出人物轮廓，两人眼神锐利，仿佛正在准备战斗。
- **与图片2差异**：镜头拉近，聚焦角色上半身，光影更强烈。
---
### **图片4：雷神索尔的特写**
- **角色形象**：
- 雷神身穿银色战甲（肩甲有圆形纹路），红色披风，手持“雷神之锤”（锤头有闪电特效）。
- 面部有胡须，眼神凌厉，嘴角微张，似在呐喊。
- **背景**：深蓝色星空，闪电环绕锤子，强调神力。
---
### **图片5：黑寡妇的面部特写**
- **细节**：
- 红发被风吹起，佩戴红色发光的战术耳机（耳侧有“88”数字标识）。
- 眼神专注，嘴唇微张，似乎在接收指令或准备行动。
- **背景**：黄昏与星空交界，色调偏冷，突出科技感与紧张感。
---
### **图片6：黑寡妇特写的微调版本**
- **变化**：与图片5几乎相同，但光影更柔和，耳机红色光芒略微减弱，人物表情稍显沉静。
---
### **图片7-9：AI生成的“DMXAPI”主题海报**
- **共同特征**：
- 顶部有醒目的蓝色3D文字“**DMXAPI**”（非官方标题，可能是AI生成错误或自定义标识）。
- 角色阵容与图片1类似，但部分角色位置调整（如钢铁侠战衣更暗，灭霸剪影更模糊）。
- 背景为紫色星云，整体风格更偏向赛博朋克，而非原版电影海报的写实风格。
- **差异**：
- 图片7-9的“DMXAPI”文字大小、角色光影细节略有不同（如图片9中角色更明亮）。
- **注意**：这些并非官方海报，可能是AI根据原版海报生成的变体，标题“DMXAPI”无实际电影关联。
---
### **关键说明**
1. **非视频内容**：所有内容为静态图片，无动态镜头或情节推进。
2. **官方与AI生成内容混杂**：
- 图片1、2-6是基于《复联4》的官方或粉丝创作内容；
- 图片7-9为AI生成的“伪海报”，标题“DMXAPI”可能是模型错误输出（类似“乱码标题”）。
3. **核心主题**：围绕《复仇者联盟4》的角色集结、战斗氛围，突出英雄的使命感与宇宙级危机。
如果需要分析视频（而非图片序列），请提供真实视频片段或更明确的描述。
============================================================
【Token 使用统计】
Prompt tokens: 6022
Completion tokens: 1617
Total tokens: 7639© 2025 DMXAPI Openai 网络图片分析