Choice商品カタログを整理する
「その他」を含め、独自の商品カテゴリを Choice に指定します。画像を自動で振り分ける前に、複数の対象が写る場面や珍しい商品でテストしてください。
Jev の画像認識を試してみましょう。写真を用意して具体的な質問をすると、アプリで使えるカテゴリ、確率、スコア、バウンディングボックスが返ります。
TypeSafe は画像入力と Box を実験的機能としています。このラボでアイデアを試し、自分のサンプルで結果を評価してください。
画像の前処理はこのブラウザで行います。大きな写真は縮小し、小さい画像や細長い画像には余白を追加します。OpenRouter と TypeSafe への送信は、判断を実行したときだけ行います。
実行後、ここに結果が表示されます。このラボでは、不確実性も含めてモデルの実際の出力を表示します。
プレビューでは画像データを省略しています。コピーやダウンロードには画像全体と新しいリクエスト ID が含まれ、アカウントの API キーで POST /api/jev/run に送信できます。同じリクエストを再試行するときは、その ID を再利用してください。
{
"model": "typesafe/jev-1.14",
"state": {
"photo": {
"type": "image_url",
"image_url": {
"url": "data:image/jpeg;base64,<image data>"
}
},
"context": ""
},
"questions": {
"vision": {
"type": "choice",
"instructions": "`photo` の主な被写体に最も合うカテゴリはどれですか?",
"criteria": {
"商品": null,
"食べ物": null,
"動物": null,
"風景": null,
"その他": null
}
}
}
}出力が明確な小さな質問から始めましょう。実例で結果を比較し、アプリで不確実性をどう扱うかを決めてください。
Choice「その他」を含め、独自の商品カテゴリを Choice に指定します。画像を自動で振り分ける前に、複数の対象が写る場面や珍しい商品でテストしてください。
NoulNoul を使って、写真が十分鮮明か、必要な物体が見えるかを確認します。判断が曖昧なものは、人による確認に回しましょう。
BoxBox で指定した物体を 1 つ特定し、その領域を切り抜きやアノテーションの処理に渡します。座標を採用する前に、対象が存在するか確認してください。
2026 年 10 月 14 日にリリースされた Jev 1.14 では、物体の位置を特定する Box プリミティブが追加されました。画像は Choice、Noul、Score でも使用できます。このラボでは OpenRouter の typesafe/jev-1.14 モデルを固定で使用しています。
Jev は構造化された判断を返します。分類にはカテゴリ、はい・いいえの確率には記述、スコアには順序付きの評価段階、ボックスには対象を指定してください。新しい画像や自由形式の文章が必要な場合は、生成モデルを使用してください。
ブラウザが PNG または JPEG 1 枚を正しい向きの JPEG に変換し、長辺を最大 1,568 ピクセルに縮小して、必要に応じて余白を追加します。実行履歴に保存するのは構造化された結果とリクエストのフィンガープリントで、画像は保存しません。実行すると画像が OpenRouter 経由で TypeSafe に送られ、処理されます。
画像とテキストの入力は既存の残高を共有します。分類、確認、評価は質問 1 つを使い、位置特定は存在確認も行うため質問 2 つを使います。表示される確保量は上限であり、料金の見積もりではありません。実際の使用量は結果と一緒に表示されます。
はい。完全なリクエストをダウンロードし、アカウントの API キーで /api/jev/run に送信してください。認証情報はサーバー側で管理してください。認証や再試行は API ガイド、Jev の画像形式と Box 形式は提供元のリファレンスで確認できます。
公式ドキュメントで確認済み · 2026 年 10 月 14 日