Qué es Visión en Ahtlas
Visión es la capacidad del asistente de mirar una foto o un video que te envía tu cliente y responder o decidir con base en lo que ve, en lugar de solo leer texto. Cada vez que se hace una consulta de Visión, el sistema guarda un registro con la foto, la pregunta y la respuesta, para que tú puedas supervisarla después.
Cómo entra la imagen
- Por la API pública, con una llamada a POST /vision.php (analiza una imagen: objetos, leer texto) enviando image_url o image_base64.
- Por video o cámara, con POST /vision_video.php, que recibe frames[] (fotogramas ya extraídos).
- Dentro de una conversación normal (WhatsApp, chat web, etc.), cuando el cliente envía una foto o un video como parte de su mensaje.
Dos modos de análisis
Cada consulta queda etiquetada con un mode: economico (por defecto) o preciso, según el nivel de detalle que se pidió para esa consulta.
Si tu negocio depende de que Visión detecte algo específico (por ejemplo, un objeto o una situación puntual en una foto), revisa el registro de consultas para confirmar que las respuestas realmente coinciden con lo que esperas.
Además de responder preguntas, Visión puede usarse como detector de avisos: el sistema mira la imagen o los fotogramas de un video contra las reglas que tú definiste en las instrucciones de tu bot, y si se cumplen, puede disparar una notificación automática al encargado.