ビジョン

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。

ビジョン機能の使用方法

Claudeのビジョン機能は以下の方法で利用できます：

claude.ai。ファイルのようにして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を追加する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は応答を作成する際に、提供されたすべての画像を分析します。これは画像の比較や対照に役立ちます。

8000x8000 pxより大きい画像を送信すると拒否されます。1つの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、time-to-first-tokenの遅延が増加します。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。

time-to-first-token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、APIで受け付けられる一般的なアスペクト比の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。

画像のリサイズが不要な場合、以下のアルゴリズムでトークン数を見積もることができます：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おける、Claude 3.7 Sonnetの入力トークンあたり300万分の3ドルの価格に基づいた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)	~54	~$0.00016	~$0.16
1000x1000 px(1メガピクセル)	~1334	~$0.004	~$4.00
1092x1092 px(1.19メガピクセル)	~1590	~$0.0048	~$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とのやり取りで効果的なプロンプト技術の多くは、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ベストプラクティス構造を示しています。

ドキュメントクエリの配置と同様に、Claudeは画像がテキストや指示の前にある方が最も効果的に機能します。テキストの後や途中に画像を配置しても問題なく機能しますが、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のビジョン機能を使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ています：

Copy
    # URLベースの画像の場合、JSONリクエストで直接URLを使用できます
    
    # base64エンコードされた画像の場合、まず画像をエンコードする必要があります
    # bashで画像をbase64エンコードする例：
    BASE64_IMAGE_DATA=$(curl -s "https://upload.wikimedia.org/wikipedia/commons/a/a7/Camponotus_flavomarginatus_ant.jpg" | base64)
    
    # エンコードされたデータはAPIコールで使用できます

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

Copy
curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-3-7-sonnet-20250219",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "image",
            "source": {
              "type": "base64",
              "media_type": "image/jpeg",
              "data": "'"$BASE64_IMAGE_DATA"'"
            }
          },
          {
            "type": "text",
            "text": "この画像を説明してください。"
          }
        ]
      }
    ]
  }'

URLベースの画像の例

Copy
curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-3-7-sonnet-20250219",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "image",
            "source": {
              "type": "url",
              "url": "https://upload.wikimedia.org/wikipedia/commons/a/a7/Camponotus_flavomarginatus_ant.jpg"
            }
          },
          {
            "type": "text",
            "text": "この画像を説明してください。"
          }
        ]
      }
    ]
  }'

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

画像は、それらについての質問やそれらを使用するタスクの指示よりも前に配置するのがベストです。

Claudeに1枚の画像を説明させます。

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
Copy
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させます。

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
Copy
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させる際に、応答方法についての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
Copy
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のビジョン機能は、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と継続的なやり取りを行い、新しい画像やフォローアップの質問をいつでも追加できます。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。
空間的推論：Claudeの空間的推論能力には限界があります。アナログ時計の文字盤を読むことやチェスの駒の正確な位置を説明するなど、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。

特にハイステークスなユースケースでは、Claudeの画像解釈を常に慎重にレビューし確認してください。人間の監督なしに、完璧な精度や繊細な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。

FAQ

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：

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

ビジョンについてさらに深く学ぶ

Claudeを使って画像で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います。チャート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、画像を使ってClaude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、他のクリエイターとつながり、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

Claudeについて

エージェントとツール

Claudeで開発

管理

テストと評価

リソース

法務センター

ビジョン機能の使用方法

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

FAQ

ビジョンについてさらに深く学ぶ

はじめる

Claudeについて

エージェントとツール

Claudeで開発

管理

テストと評価

リソース

法務センター

​ビジョン機能の使用方法

​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

​FAQ

​ビジョンについてさらに深く学ぶ

ビジョン機能の使用方法

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

FAQ

ビジョンについてさらに深く学ぶ