> ## Documentation Index > Fetch the complete documentation index at: https://veniceai-mintlify-d2fddb8a.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # 파일 입력 > 요약, 질의응답, 변환을 위해 PDF, Office 문서, 텍스트, 데이터, 소스 코드 파일을 Venice chat completion 요청에 첨부하세요. 파일 입력을 통해 문서와 소스 파일을 `/chat/completions` 요청에 직접 첨부할 수 있습니다. Venice는 선택된 모델로 보내기 전에 파일을 텍스트로 추출하므로 직접 파서를 만들지 않고도 파일 콘텐츠에 대해 질문하거나, 요약하거나, 비교하거나, 변환할 수 있습니다. 프롬프트가 문서, 스프레드시트, markdown 파일, JSON 파일 또는 코드 파일의 콘텐츠에 의존할 때 파일 입력을 사용하세요. 이는 요청 범위 입력이며 영구 파일 저장소가 아니므로 필요한 각 요청에 파일을 포함해야 합니다. 파일 입력은 OpenAI 호환 채팅 콘텐츠 배열을 사용합니다. `type: "file"`이 있는 콘텐츠 블록을 추가하고 `file.file_data`에 파일 콘텐츠를 제공하세요. ## 지원되는 파일 유형 채팅 API는 파일 입력을 base64 데이터 URL 또는 공개적으로 접근 가능한 URL로 허용합니다. 최대 파일 크기는 base64 데이터 URL 디코딩 후 또는 URL 가져오기 후 측정된 **파일당 25MB**입니다. | 카테고리 | 형식 | | -------- | ------------------------------------------------------------------------------------------------------------- | | 문서 | PDF, DOCX, PPTX | | 스프레드시트 | XLSX, XLS, CSV | | 텍스트와 데이터 | TXT, Markdown, JSON | | 소스 코드 | `.py`, `.js`, `.ts`, `.c`, `.cpp`, `.java`, `.go`, `.rs`, `.ps1`, `.sh`, `.yaml`, `.sql`을 포함한 대부분의 일반적인 코드 파일 | 파일은 추론 전에 텍스트로 추출됩니다. 추출된 텍스트는 모델의 입력 컨텍스트에 포함되므로 파일과 지침 및 예상 답변에 충분한 `availableContextTokens`이 있는 모델을 선택하세요. ## 기본 사용법 사용자 메시지 `content`가 텍스트와 파일 블록의 배열인 `messages` 배열을 보냅니다: ```python Python theme={null} import base64 import os from pathlib import Path from openai import OpenAI client = OpenAI( api_key=os.environ["VENICE_API_KEY"], base_url="https://api.venice.ai/api/v1", ) path = Path("q3-report.pdf") file_data = "data:application/pdf;base64," + base64.b64encode(path.read_bytes()).decode("utf-8") response = client.chat.completions.create( model="openai-gpt-55", messages=[ { "role": "user", "content": [ { "type": "text", "text": "Summarize this report in five bullets and list the main risks.", }, { "type": "file", "file": { "file_data": file_data, "filename": "q3-report.pdf", }, }, ], } ], ) print(response.choices[0].message.content) ``` ```javascript Node.js theme={null} import OpenAI from "openai"; import { readFile } from "node:fs/promises"; const client = new OpenAI({ apiKey: process.env.VENICE_API_KEY, baseURL: "https://api.venice.ai/api/v1", }); const pdf = await readFile("q3-report.pdf"); const fileData = `data:application/pdf;base64,${pdf.toString("base64")}`; const response = await client.chat.completions.create({ model: "openai-gpt-55", messages: [ { role: "user", content: [ { type: "text", text: "Summarize this report in five bullets and list the main risks.", }, { type: "file", file: { file_data: fileData, filename: "q3-report.pdf", }, }, ], }, ], }); console.log(response.choices[0].message.content); ``` ```bash cURL theme={null} PDF_BASE64=$(base64 < q3-report.pdf | tr -d '\n') curl https://api.venice.ai/api/v1/chat/completions \ -H "Authorization: Bearer $VENICE_API_KEY" \ -H "Content-Type: application/json" \ -d @- < ## 파일 URL 파일이 이미 공개 HTTP 또는 HTTPS URL에서 호스팅되는 경우 base64 인코딩 대신 `file_data`에 URL을 전달하세요: ```json theme={null} { "model": "openai-gpt-55", "messages": [ { "role": "user", "content": [ { "type": "text", "text": "Identify the governing law, renewal terms, and termination rights in this agreement." }, { "type": "file", "file": { "file_data": "https://example.com/contracts/vendor-agreement.pdf", "filename": "vendor-agreement.pdf" } } ] } ] } ``` Venice가 인증 없이 가져올 수 있는 공개 URL만 사용하세요. 비공개 파일의 경우 base64 데이터 URL을 보내세요. ## 여러 파일 동일한 메시지에 둘 이상의 파일 블록을 포함할 수 있습니다. 모델이 사용 방법을 알 수 있도록 파일 앞에 짧은 텍스트 지침을 넣으세요. ```json theme={null} { "model": "openai-gpt-55", "messages": [ { "role": "user", "content": [ { "type": "text", "text": "Compare these two policy drafts. Return the material differences and recommend which version is clearer." }, { "type": "file", "file": { "file_data": "data:application/pdf;base64,JVBERi0xLjQK...", "filename": "policy-v1.pdf" } }, { "type": "file", "file": { "file_data": "data:application/pdf;base64,JVBERi0xLjQK...", "filename": "policy-v2.pdf" } } ] } ] } ``` 최상의 결과를 얻으려면 각 파일에 명확한 이름을 지정하고 프롬프트에서 해당 이름을 참조하세요. ## 데이터 URL 로컬 파일의 경우 파일 바이트를 base64로 인코딩하고 올바른 MIME 유형을 접두어로 붙입니다: | 파일 유형 | 데이터 URL 접두사 | | -------- | ---------------------------------------------------------------------------------------- | | PDF | `data:application/pdf;base64,` | | DOCX | `data:application/vnd.openxmlformats-officedocument.wordprocessingml.document;base64,` | | PPTX | `data:application/vnd.openxmlformats-officedocument.presentationml.presentation;base64,` | | XLSX | `data:application/vnd.openxmlformats-officedocument.spreadsheetml.sheet;base64,` | | CSV | `data:text/csv;base64,` | | Markdown | `data:text/markdown;base64,` | | 일반 텍스트 | `data:text/plain;base64,` | | JSON | `data:application/json;base64,` | 정확한 MIME 유형을 모르는 경우 `application/octet-stream`을 사용하세요. 정확한 `filename`을 포함하면 Venice가 파일을 식별하고 표시하는 데 여전히 도움이 됩니다. ## 큰 파일 작업 파일이 프롬프트 텍스트가 되므로 큰 파일은 지연 시간, 토큰 사용량 및 비용을 증가시킬 수 있습니다. 모델의 컨텍스트 윈도우를 염두에 두세요. 원시 파일은 25MB 이하여야 합니다. Base64 인코딩은 요청 크기를 약 33% 증가시키므로 25MB 제한에 가까운 파일은 더 큰 JSON 요청 본문을 생성합니다. 큰 파일에 대한 좋은 패턴: * 광범위한 "모든 것을 분석" 프롬프트 대신 특정 작업을 요청하세요. * 현재 답변에 필요한 문서만 포함하세요. * 긴 보고서나 코드베이스에 더 큰 `availableContextTokens`이 있는 모델을 사용하세요. * [프롬프트 캐싱](/guides/features/prompt-caching)도 사용하는 경우 동적 사용자 질문 앞에 안정적이고 반복되는 문서를 두세요. * 긴 응답이 예상되는 경우 `stream: true`를 사용하세요. ## 파일 입력 vs. 텍스트 파서 모델이 파일에 대해 즉시 추론하길 원할 때 채팅 파일 입력을 사용하세요. 먼저 텍스트를 추출하고, 토큰 수를 검사하고, 추출된 텍스트를 자체 시스템에 저장하거나, 동일한 추출된 텍스트를 여러 요청에 보내려면 [Text Parser API](/api-reference/endpoint/augment/text-parser)를 사용하세요. | 필요한 작업 | 사용 | | ----------------------- | ----------------------------------- | | 한 번의 요청으로 모델에 문서에 대해 질문 | 채팅 파일 입력 | | 모델 추론 없이 텍스트 추출 | Text Parser API | | 프롬프트 전에 추출된 토큰 수 확인 | Text Parser API | | 여러 요청에서 추출된 텍스트 재사용 | Text Parser API, 그런 다음 프롬프트에 텍스트 포함 | ## 모범 사례 * 가능하면 항상 `filename`을 포함하세요. 특히 여러 파일을 보낼 때. * 모델이 추출된 콘텐츠를 읽기 전에 작업을 알 수 있도록 파일 블록 앞에 지침을 넣으세요. * 쿠키, 헤더 또는 서명된 세션 상태 없이 가져올 수 있는 파일에만 공개 URL을 사용하세요. * 비공개 파일이나 애플리케이션 내에서 생성된 파일에는 base64 데이터 URL을 선호하세요. * 집중된 질문을 하고 원하는 출력 형식을 지정하세요. * 구조화된 추출의 경우 파일 입력을 [구조화된 응답](/guides/features/structured-responses)과 결합하세요. ## 문제 해결 메시지 콘텐츠가 배열을 사용하고 `type: "file"` 블록을 포함하는지 확인하세요. URL을 사용한 경우 인증 없이 공개적으로 접근 가능한지 확인하세요. 파일이 많은 양의 텍스트로 추출될 수 있습니다. 더 큰 컨텍스트 모델을 사용하거나, 작업 범위를 좁히거나, 파일을 적게 보내거나, Text Parser API로 텍스트를 미리 추출하고 다듬으세요. 각 파일에 설명적인 `filename`을 부여하고 프롬프트에서 파일명을 직접 참조하세요. 예를 들어, "`policy-v1.pdf`를 `policy-v2.pdf`와 비교" 파일 입력은 호환되는 채팅 모델에서 사용할 수 있습니다. 현재 모델 기능과 컨텍스트 제한은 [모델 페이지](/models/overview)를 확인하거나 현재의 큰 컨텍스트 텍스트 모델을 시도하세요.