clawdbot vision api提供五大图像分析功能：图像标签识别、ocr文字提取、人脸属性分析、图像相似性比对及违规内容过滤，各功能均通过标准化api接口调用并返回结构化结果。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
一、图像内容识别与标签生成
Clawdbot Vision API 可对输入图像进行深度语义分析，自动提取场景、物体、动作及属性等多维度视觉概念，并为每个识别结果分配置信度分数。该功能基于预训练的多标签分类模型，支持细粒度类别划分。
1、将图像以 base64 编码或公网可访问 URL 形式提交至 /v1/vision/detect 接口。
2、在请求头中设置 Authorization: Bearer {api_key}。
3、指定参数 return_labels=true 以启用标签输出。
4、接收响应体中的 labels 字段，其包含按置信度降序排列的标签列表及对应 score 值。
二、文字区域检测与 OCR 提取
API 内置文本定位模块可精准框出图像中所有可读文字区域，并调用高精度 OCR 引擎完成字符识别与结构化排版还原。适用于截图、文档照片、路标等多种真实场景。
1、向 /v1/vision/ocr 发起 POST 请求，携带图像数据。
2、在 JSON 请求体中设置 detect_region=true 以返回文字边界坐标（x, y, width, height）。
3、响应中 text_regions 字段包含每个文字块的坐标与识别文本。
4、若需原始 OCR 结果而非结构化块，将参数设为 raw_output=true。
三、人脸属性分析与关键点定位
系统可同时执行人脸检测、5 点关键点定位（双眼、鼻尖、嘴角）、年龄区间估计、情绪倾向判断（中性、高兴、惊讶、悲伤）及是否佩戴眼镜等属性识别。
1、调用 /v1/vision/face/analyze 接口并传入含人脸的图像。
2、添加请求参数 return_landmarks=true 获取关键点坐标数组。
3、设置 return_attributes=age,emotion,glasses 指定需返回的属性子集。
4、解析响应中 faces 数组内每个元素的 attributes 字段获取分析结果。
四、图像相似性比对与检索
API 支持将待比对图像转换为 512 维嵌入向量，并与已注册图像库中的向量进行余弦相似度计算，用于身份核验、以图搜图等任务。
1、先对基准图像调用 /v1/vision/embed 获取其 embedding 向量。
2、将该向量存入本地向量数据库或缓存中，键名为图像唯一标识符。
3、对查询图像再次调用同一接口获取 embedding，随后使用 /v1/vision/similarity 提交两个向量进行比对。
4、响应中 similarity_score 值介于 0 到 1 之间，数值越接近 1 表示图像内容越相似。
五、违规内容识别与安全过滤
内置 NSFW（Not Safe For Work）检测模型可识别色情、暴力、敏感标识等不适宜公开传播的内容，支持阈值动态调节以适配不同审核策略。
1、向 /v1/vision/moderate 提交待检图像。
2、在请求体中指定 threshold=0.75 控制敏感内容判定灵敏度（默认 0.5）。
3、响应中 moderation_results 包含各风险类型（nudity, violence, hate）的布尔标记与置信度。
4、若任一类型 score 超过 threshold，则整体标记为 flagged=true。
