Model visi menerima gambar bersama teks sehingga model dapat mendeskripsikan, mengklasifikasikan, dan menjawab pertanyaan tentang apa yang dilihatnya.

Mulai cepat

ollama run gemma4 ./image.png whats in this image?

Penggunaan dengan API Ollama

Berikan array images. SDK menerima jalur file, URL, atau byte mentah sementara API REST mengharapkan data gambar yang dikodekan base64.

cURL

# 1. Unduh gambar contoh
curl -L -o test.jpg "https://upload.wikimedia.org/wikipedia/commons/3/3a/Cat03.jpg"

# 2. Encode gambar
IMG=$(base64 < test.jpg | tr -d '\n')

# 3. Kirim ke Ollama
curl -X POST http://localhost:11434/api/chat \
-H "Content-Type: application/json" \
-d '{
    "model": "gemma4",
    "messages": [{
    "role": "user",
    "content": "What is in this image?",
    "images": ["'"$IMG"'"]
    }],
    "stream": false
}'

Python

from ollama import chat
# from pathlib import Path

# Masukkan jalur ke gambar
path = input('Please enter the path to the image: ')

# Anda juga dapat memasukkan data gambar yang dikodekan base64
# img = base64.b64encode(Path(path).read_bytes()).decode()
# atau byte mentah
# img = Path(path).read_bytes()

response = chat(
  model='gemma4',
  messages=[
    {
      'role': 'user',
      'content': 'What is in this image? Be concise.',
      'images': [path],
    }
  ],
)

print(response.message.content)

JavaScript

import ollama from 'ollama'

const imagePath = '/absolute/path/to/image.jpg'
const response = await ollama.chat({
  model: 'gemma4',
  messages: [
    { role: 'user', content: 'What is in this image?', images: [imagePath] }
  ],
  stream: false,
})

console.log(response.message.content)