> For the complete documentation index, see [llms.txt](https://docs.flowiseai.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise/subidas.md). # Subidas Flowise te permite subir imágenes, audio y otros archivos desde el chat. En esta sección, aprenderás cómo habilitar y usar estas funcionalidades. ## Image Ciertos modelos de chat permiten ingresar imágenes. Siempre consulta la documentación oficial del LLM para confirmar si el modelo admite la entrada de imágenes. * [ChatOpenAI](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/llamaindex/chat-models/chatopenai.md) * [AzureChatOpenAI](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/llamaindex/chat-models/azurechatopenai.md) * [ChatAnthropic](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/chat-models/chatanthropic.md) * [AWSChatBedrock](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/chat-models/aws-chatbedrock.md) * [ChatGoogleGenerativeAI](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/chat-models/google-ai.md) * [ChatOllama](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/llamaindex/chat-models/chatollama.md) * [Google Vertex AI](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/llms/googlevertex-ai.md) {% hint style="warning" %} El procesamiento de imágenes solo funciona con ciertas cadenas/agentes en Chatflow. [LLMChain](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/chains/llm-chain.md), [Conversation Chain](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/chains/conversation-chain.md), [ReAct Agent](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/agents/react-agent-chat.md), [Conversational Agent](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/agents/conversational-agent.md), [Tool Agent](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/agents/tool-agent.md) {% endhint %} Si habilitas **Allow Image Upload**, podrás subir imágenes desde la interfaz de chat.
Para subir imágenes con la API: {% tabs %} {% tab title="Python" %} ```python import requests API_URL = "http://localhost:3000/api/v1/prediction/" def query(payload): response = requests.post(API_URL, json=payload) return response.json() output = query({ "question": "¿Puedes describir la imagen?", "uploads": [ { "data": "data:image/png;base64,iVBORw0KGgdM2uN0", # cadena base64 o url "type": "file", # file | url "name": "Flowise.png", "mime": "image/png" } ] }) ``` {% endtab %} {% tab title="Javascript" %} ```javascript async function query(data) { const response = await fetch( "http://localhost:3000/api/v1/prediction/", { method: "POST", headers: { "Content-Type": "application/json" }, body: JSON.stringify(data) } ); const result = await response.json(); return result; } query({ "question": "¿Puedes describir la imagen?", "uploads": [ { "data": "data:image/png;base64,iVBORw0KGgdM2uN0", //cadena base64 o url "type": "file", // file | url "name": "Flowise.png", "mime": "image/png" } ] }).then((response) => { console.log(response); }); ``` {% endtab %} {% endtabs %} ## Audio En la Configuración del Chatflow, puedes seleccionar un módulo de speech-to-text. Las integraciones soportadas incluyen: * OpenAI * AssemblyAI * [LocalAI](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/chat-models/chatlocalai.md) Cuando esto está habilitado, los usuarios pueden hablar directamente al micrófono. Su voz se transcribe a texto.
Para subir audio con la API: {% tabs %} {% tab title="Python" %} ```python import requests API_URL = "http://localhost:3000/api/v1/prediction/" def query(payload): response = requests.post(API_URL, json=payload) return response.json() output = query({ "uploads": [ { "data": "data:audio/webm;codecs=opus;base64,GkXf", # cadena base64 "type": "audio", "name": "audio.wav", "mime": "audio/webm" } ] }) ``` {% endtab %} {% tab title="Javascript" %} ```javascript async function query(data) { const response = await fetch( "http://localhost:3000/api/v1/prediction/", { method: "POST", headers: { "Content-Type": "application/json" }, body: JSON.stringify(data) } ); const result = await response.json(); return result; } query({ "uploads": [ { "data": "data:audio/webm;codecs=opus;base64,GkXf", // cadena base64 "type": "audio", "name": "audio.wav", "mime": "audio/webm" } ] }).then((response) => { console.log(response); }); ``` {% endtab %} {% endtabs %} ## Files Puedes subir archivos de dos maneras: * Carga de archivos para generación aumentada por recuperación (RAG) * Carga completa de archivos Cuando ambas opciones están activadas, la carga completa de archivos tiene prioridad. ### RAG File Uploads Puedes hacer upsert de los archivos subidos al vector store sobre la marcha. Para habilitar la carga de archivos, asegúrate de cumplir con estos requisitos previos: * Debes incluir un vector store que admita la carga de archivos en el chatflow. * [Pinecone](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/vector-stores/pinecone.md) * [Milvus](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/vector-stores/milvus.md) * [Postgres](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/vector-stores/postgres.md) * [Qdrant](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/vector-stores/qdrant.md) * [Upstash](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/vector-stores/upstash-vector.md) * Si tienes múltiples vector stores en un chatflow, solo puedes activar la carga de archivos para un vector store a la vez. * Debes conectar al menos un nodo document loader a la entrada de documentos del vector store. * Document loaders soportados: * [CSV File](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/document-loaders/csv-file.md) * [Docx File](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/document-loaders/docx-file.md) * [Json File](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/document-loaders/json-file.md) * [Json Lines File](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/document-loaders/json-lines-file.md) * [PDF File](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/document-loaders/pdf-file.md) * [Text File](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/document-loaders/text-file.md) * [Unstructured File](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/document-loaders/unstructured-file-loader.md)
Puedes subir uno o más archivos en el chat:
Así es como funciona: 1. Los metadatos de los archivos subidos se actualizan con el chatId. 2. Esto asocia el archivo con el chatId. 3. Al consultar, se aplica un filtro **OR**: * Los metadatos contienen `flowise_chatId`, y el valor es el ID de la sesión de chat actual * Los metadatos no contienen `flowise_chatId` Un ejemplo de un vector embedding con upsert en Pinecone:
Para hacer esto con la API, sigue estos dos pasos: 1. Usa la [Vector Upsert API](/espanol/documentacion-oficial/usar-flowise/api.md#vector-upsert-api) con `formData` y `chatId`: {% tabs %} {% tab title="Python" %} ```python import requests API_URL = "http://localhost:3000/api/v1/vector/upsert/" # Usa form data para subir archivos form_data = { "files": ("state_of_the_union.txt", open("state_of_the_union.txt", "rb")) } body_data = { "chatId": "some-session-id" } def query(form_data): response = requests.post(API_URL, files=form_data, data=body_data) print(response) return response.json() output = query(form_data) print(output) ``` {% endtab %} {% tab title="Javascript" %} ```javascript // Usa FormData para subir archivos let formData = new FormData(); formData.append("files", input.files[0]); formData.append("chatId", "some-session-id"); async function query(formData) { const response = await fetch( "http://localhost:3000/api/v1/vector/upsert/", { method: "POST", body: formData } ); const result = await response.json(); return result; } query(formData).then((response) => { console.log(response); }); ``` {% endtab %} {% endtabs %} 2. Usa la [Prediction API](/espanol/documentacion-oficial/usar-flowise/api.md#prediction) con `uploads` y el `chatId` del paso 1: {% tabs %} {% tab title="Python" %} ```python import requests API_URL = "http://localhost:3000/api/v1/prediction/" def query(payload): response = requests.post(API_URL, json=payload) return response.json() output = query({ "question": "¿De qué trata el discurso?", "chatId": "same-session-id-from-step-1", "uploads": [ { "data": "data:text/plain;base64,TWFkYWwcy4=", "type": "file:rag", "name": "state_of_the_union.txt", "mime": "text/plain" } ] }) ``` {% endtab %} {% tab title="Javascript" %} ```javascript async function query(data) { const response = await fetch( "http://localhost:3000/api/v1/prediction/", { method: "POST", headers: { "Content-Type": "application/json" }, body: JSON.stringify(data) } ); const result = await response.json(); return result; } query({ "question": "¿De qué trata el discurso?", "chatId": "same-session-id-from-step-1", "uploads": [ { "data": "data:text/plain;base64,TWFkYWwcy4=", "type": "file:rag", "name": "state_of_the_union.txt", "mime": "text/plain" } ] }).then((response) => { console.log(response); }); ``` {% endtab %} {% endtabs %} ### Full File Uploads Con las cargas de archivos RAG, no puedes trabajar con datos estructurados como hojas de cálculo o tablas, y no puedes realizar resúmenes completos debido a la falta de contexto completo. En algunos casos, es posible que desees incluir todo el contenido del archivo directamente en el prompt para un LLM, especialmente con modelos como Gemini y Claude que tienen ventanas de contexto más largas. [Este artículo de investigación](https://arxiv.org/html/2407.16833v1) es uno de muchos que comparan RAG con ventanas de contexto más largas. Para habilitar la carga completa de archivos, ve a **Chatflow Configuration**, abre la pestaña **File Upload**, y activa el interruptor:
Puedes ver el botón **File Attachment** en el chat, donde puedes subir uno o más archivos. Internamente, el [File Loader](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/integrations/langchain/document-loaders/file-loader.md) procesa cada archivo y lo convierte en texto.
Para subir archivos con la API: {% tabs %} {% tab title="Python" %} ```python import requests API_URL = "http://localhost:3000/api/v1/prediction/" def query(payload): response = requests.post(API_URL, json=payload) return response.json() output = query({ "question": "¿De qué tratan los datos?", "chatId": "some-session-id", "uploads": [ { "data": "data:text/plain;base64,TWFkYWwcy4=", "type": "file:full", "name": "state_of_the_union.txt", "mime": "text/plain" } ] }) ``` {% endtab %} {% tab title="Javascript" %} ```javascript async function query(data) { const response = await fetch( "http://localhost:3000/api/v1/prediction/", { method: "POST", headers: { "Content-Type": "application/json" }, body: JSON.stringify(data) } ); const result = await response.json(); return result; } query({ "question": "¿De qué tratan los datos?", "chatId": "some-session-id", "uploads": [ { "data": "data:text/plain;base64,TWFkYWwcy4=", "type": "file:full", "name": "state_of_the_union.txt", "mime": "text/plain" } ] }).then((response) => { console.log(response); }); ``` {% endtab %} {% endtabs %} Como puedes ver en los ejemplos, las cargas requieren una cadena base64. Para obtener una cadena base64 para un archivo, usa la [Create Attachments API](https://github.com/FlowiseAI/FlowiseDocs/blob/main/esp/api-reference/attachments.md).