視覚機能

このガイドでは、Claudeでの画像の扱い方、ベストプラクティス、コード例、および注意すべき制限事項について説明します。

視覚機能の使用方法

Claudeの視覚機能は以下の方法で利用できます：

claude.ai。ファイルと同じように画像をアップロードするか、チャットウィンドウに画像を直接ドラッグ＆ドロップします。
Console Workbench。画像を受け付けるモデル（Claude 3モデルのみ）を選択すると、すべてのユーザーメッセージブロックの右上に画像追加ボタンが表示されます。
APIリクエスト。このガイドの例を参照してください。

アップロードの前に

基本事項と制限

1回のリクエストで複数の画像を含めることができます（claude.aiでは最大20枚、APIリクエストでは最大100枚）。Claudeは提供されたすべての画像を分析して応答を生成します。これは画像の比較や対照に役立ちます。

8000x8000 pxより大きい画像はアップロードが拒否されます。1回のAPIリクエストで20枚以上の画像を送信する場合、この制限は2000x2000 pxとなります。

画像サイズの評価

最適なパフォーマンスを得るために、画像が大きすぎる場合はアップロード前にリサイズすることをお勧めします。画像の長辺が1568ピクセルを超える場合、または画像が約1,600トークンを超える場合、アスペクト比を維持したままサイズ制限内に収まるようにまず縮小されます。

入力画像が大きすぎてリサイズが必要な場合、モデルのパフォーマンスが向上することなく最初のトークンまでの時間が増加します。いずれかの辺が200ピクセル未満の非常に小さい画像はパフォーマンスが低下する可能性があります。

最初のトークンまでの時間を改善するために、画像を1.15メガピクセル以下（かつ両方の寸法で1568ピクセル以内）にリサイズすることをお勧めします。

以下は、一般的なアスペクト比に対してAPIが受け付ける最大画像サイズの表です。これらの画像はリサイズされません。Claude 3.7 Sonnetモデルでは、これらの画像は約1,600トークンを使用し、1,000枚あたり約4.80ドルのコストがかかります。

アスペクト比	画像サイズ
1:1	1092x1092 px
3:4	951x1268 px
2:3	896x1344 px
9:16	819x1456 px
1:2	784x1568 px

画像コストの計算

Claudeへのリクエストに含める各画像は、トークン使用量にカウントされます。おおよそのコストを計算するには、画像のおおよそのトークン数に使用するモデルのトークンあたりの価格を掛けます。

画像がリサイズを必要としない場合、以下のアルゴリズムでトークン数を推定できます：トークン数 = (幅px * 高さpx)/750

以下は、APIのサイズ制限内の異なる画像サイズに対する、Claude 3.7 Sonnetの100万入力トークンあたり3ドルの価格に基づくおおよそのトークン化とコストの例です：

画像サイズ	トークン数	画像あたりのコスト	1,000枚あたりのコスト
200x200 px(0.04メガピクセル)	約54	約$0.00016	約$0.16
1000x1000 px(1メガピクセル)	約1334	約$0.004	約$4.00
1092x1092 px(1.19メガピクセル)	約1590	約$0.0048	約$4.80

画像品質の確保

Claudeに画像を提供する際は、最良の結果を得るために以下の点に注意してください：

画像フォーマット：サポートされている画像フォーマット（JPEG、PNG、GIF、WebP）を使用してください。
画像の鮮明さ：画像がぼやけていたりピクセル化していたりしないよう、鮮明であることを確認してください。
テキスト：画像に重要なテキストが含まれている場合は、判読可能で小さすぎないことを確認してください。テキストを拡大するために重要な視覚的コンテキストを切り取ることは避けてください。

プロンプトの例

テキストベースのClaudeとのインタラクションで効果的なプロンプトエンジニアリング技術の多くは、画像ベースのプロンプトにも適用できます。

これらの例は、画像を含むプロンプトの構造のベストプラクティスを示しています。

ドキュメントクエリの配置と同様に、Claudeは画像がテキストよりも前にある場合に最も効果を発揮します。テキストの後や途中に配置された画像でもうまく機能しますが、ユースケースで可能な場合は画像を先に配置することをお勧めします。

プロンプト例について

以下の例は、様々なプログラミング言語とアプローチを使用してClaudeの視覚機能を利用する方法を示しています。Claudeに画像を提供する方法は2つあります：

imageコンテンツブロックでbase64エンコードされた画像として
オンラインでホストされている画像へのURL参照として

base64の例のプロンプトでは、以下の変数を使用します：

以下は、base64エンコードされた画像とURL参照を使用してMessages APIリクエストに画像を含める例です：

base64エンコードされた画像の例

URLベースの画像の例

詳細なコード例とパラメータについては、Messages APIの例を参照してください。

画像に関する質問や画像を使用するタスクの指示よりも、画像を先に配置することをお勧めします。

Claudeに1枚の画像の説明を依頼します。

役割	内容
ユーザー	[画像] この画像を説明してください。

以下は、Claude 3.7 Sonnetモデルを使用した対応するAPIコールです。

Python
message = client.messages.create(
    model="claude-3-7-sonnet-20250219",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image1_media_type,
                        "data": image1_data,
                    },
                },
                {
                    "type": "text",
                    "text": "この画像を説明してください。"
                }
            ],
        }
    ],
)

複数の画像がある場合は、各画像を「画像1：」「画像2：」のように導入します。画像間や画像とプロンプトの間に改行は必要ありません。

Claudeに複数の画像の違いを説明するよう依頼します。

役割	内容
ユーザー	画像1：[画像1] 画像2：[画像2] これらの画像はどのように異なりますか？

以下は、Claude 3.7 Sonnetモデルを使用した対応するAPIコールです。

Python
message =

client.messages.create(
    model="claude-3-7-sonnet-20250219",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "画像1："
                },
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image1_media_type,
                        "data": image1_data,
                    },
                },
                {
                    "type": "text",
                    "text": "画像2："
                },
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image2_media_type,
                        "data": image2_data,
                    },
                },
                {
                    "type": "text",
                    "text": "これらの画像はどのように異なりますか？"
                }
            ],
        }
    ],
)

Claudeに複数の画像の違いを説明するよう依頼し、応答方法についてシステムプロンプトを与えます。

内容
システム	スペイン語でのみ応答してください。
ユーザー	画像1：[画像1] 画像2：[画像2] これらの画像はどのように異なりますか？

以下は、Claude 3.7 Sonnetモデルを使用した対応するAPIコールです。

Python
message = client.messages.create(
    model="claude-3-7-sonnet-20250219",
    max_tokens=1024,
    system="スペイン語でのみ応答してください。",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "画像1："
                },
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image1_media_type,
                        "data": image1_data,
                    },
                },
                {
                    "type": "text",
                    "text": "画像2："
                },
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": image2_media_type,
                        "data": image2_data,
                    },
                },
                {
                    "type": "text",
                    "text": "これらの画像はどのように異なりますか？"
                }
            ],
        }
    ],
)

Claudeの視覚機能は、画像とテキストを組み合わせたマルチモーダルな会話で真価を発揮します。Claudeとの間で、新しい画像やフォローアップの質問を随時追加しながら、継続的なやり取りを行うことができます。これにより、反復的な画像分析、比較、または視覚情報と他の知識を組み合わせるための強力なワークフローが可能になります。

Claudeに2枚の画像の違いを説明させ、その後、最初の画像と2枚の新しい画像を比較するフォローアップの質問をします。

役割	内容
ユーザー	画像1：[画像1] 画像2：[画像2] これらの画像はどのように異なりますか？
アシスタント	[Claudeの応答]
ユーザー	画像1：[画像3] 画像2：[画像4] これらの画像は最初の2枚と似ていますか？
アシスタント	[Claudeの応答]

APIを使用する場合、標準的な複数ターンの会話構造の一部として、新しい画像をuserロールのメッセージ配列に挿入するだけです。

制限事項

Claudeの画像理解能力は最先端ですが、以下のような制限事項があることを認識しておく必要があります：

人物の識別：Claudeは使用できません画像内の人物を識別（つまり、名前を特定）することはできず、そのような要求は拒否します。
精度：Claudeは、品質の低い画像、回転した画像、または200ピクセル未満の非常に小さい画像を解釈する際に、誤った解釈をしたり間違いを起こしたりする可能性があります。
空間認識：Claudeの空間認識能力には限界があります。アナログ時計の文字盤を読んだり、チェスの駒の正確な位置を説明したりするような、正確な位置関係や配置を必要とするタスクでは苦労する可能性があります。
カウント：Claudeは画像内のオブジェクトのおおよその数を示すことはできますが、特に小さなオブジェクトが多数ある場合、常に正確な数を示せるとは限りません。
AI生成画像：Claudeは画像がAIによって生成されたものかどうかを判断できず、質問された場合に誤った回答をする可能性があります。偽画像や合成画像の検出にClaudeを頼らないでください。
不適切なコンテンツ：Claudeは、利用規約に違反する不適切または露骨な画像を処理しません。
医療応用：Claudeは一般的な医療画像を分析できますが、CTやMRIなどの複雑な診断スキャンを解釈するようには設計されていません。Claudeの出力を専門的な医療アドバイスや診断の代用とみなすべきではありません。

特にリスクの高いユースケースでは、Claudeの画像解釈を常に慎重に確認し検証してください。人間による監督なしに、完全な精度や機密性の高い画像分析を必要とするタスクにClaudeを使用しないでください。

よくある質問

はい、APIのURL画像ソースブロックを使用して、URLから画像を処理できるようになりました。 APIリクエストで”base64”の代わりに”url”ソースタイプを使用するだけです。例：

{
  "type": "image",
  "source": {
    "type": "url",
    "url": "https://upload.wikimedia.org/wikipedia/commons/a/a7/Camponotus_flavomarginatus_ant.jpg"
  }
}

視覚機能をさらに深く理解する

Claudeを使用して画像関連の開発を始める準備はできましたか？以下の役立つリソースをご覧ください：

マルチモーダルクックブック：このクックブックには、画像の使用開始とベストプラクティス技術に関するヒントが含まれており、画像を使用して最高品質のパフォーマンスを確保する方法を説明しています。チャートやグラフの解釈と分析やフォームからのコンテンツ抽出などのタスクを実行するために、Claudeに画像を効果的にプロンプトする方法をご覧ください。
APIリファレンス：画像を含むAPIコールの例を含む、Messages APIのドキュメントをご覧ください。

その他のご質問がありましたら、サポートチームまでお気軽にお問い合わせください。また、開発者コミュニティに参加して、他の開発者とつながり、Anthropicの専門家からサポートを受けることもできます。

Was this page helpful?

コンテキストウィンドウ概要

On this page

はじめる

エージェントとツール

Claudeについて学ぶ

管理

テストと評価

Claude で開発

法務センター

リソース

視覚機能の使用方法

アップロードの前に

基本事項と制限

画像サイズの評価

画像コストの計算

画像品質の確保

プロンプトの例

プロンプト例について

base64エンコードされた画像の例

URLベースの画像の例

制限事項

よくある質問

視覚機能をさらに深く理解する

はじめる

エージェントとツール

Claudeについて学ぶ

管理

テストと評価

Claude で開発

法務センター

リソース

​視覚機能の使用方法

​アップロードの前に

​基本事項と制限

​画像サイズの評価

​画像コストの計算

​画像品質の確保

​プロンプトの例

​プロンプト例について

​base64エンコードされた画像の例

​URLベースの画像の例

​制限事項

​よくある質問

​視覚機能をさらに深く理解する

視覚機能の使用方法

アップロードの前に

基本事項と制限

画像サイズの評価

画像コストの計算

画像品質の確保

プロンプトの例

プロンプト例について

base64エンコードされた画像の例

URLベースの画像の例

制限事項

よくある質問

視覚機能をさらに深く理解する