gpt-4o 视频输入报 invalid_image_url 抽帧尺寸哪里不合规

现场是这样的。用 openai 1.55 的 SDK 调 gpt-4o 做视频理解，自己按 1fps 抽帧后把 base64 塞进 image_url，接口返回 400 invalid_image_url，原文是 Invalid image URL or data，同一段代码换单张 jpg 能通。

中间走过弯路，把「data URL 前缀写成了 data:image/jpg 导致类型对不上」当成主因，改完现象没变。

排查方向其实有限，先把可能性排一排。抽帧后没有转成 RGB，带 alpha 通道的 png 不被接受；单帧 base64 超过 20MB 上限，视频首帧是 4K 原图；一帧里塞了多张图拼图，宽高比超出 2000 像素限制。

先把抽出的帧统一转成 RGB 的 jpeg 并压到 1280 宽

python -c "from PIL import Image;im=Image.open('f0.png').convert('RGB');im.thumbnail((1280,1280));im.save('f0.jpg',quality=85)"

然后打印每帧的字节数与实际 MIME

python -c "import os,base64;b=open('f0.jpg','rb').read();print(len(b),base64.b64encode(b)[:24])"

补一个最小请求只发两帧排除体积因素

curl https://api.openai.com/v1/chat/completions -H "Authorization: Bearer $KEY" -H 'Content-Type: application/json' -d @two_frames.json

等前面都确认过，再按抽帧脚本批量重跑并记录失败帧号

python frames.py --fps 1 --max-side 1280 --out frames/

别只看报错消失，验证要多做一步。两帧的最小请求返回 200 且 choices 里有描述文本，整段视频重跑不再出现 invalid_image_url，失败帧号为 0。

提醒一点。视频本身没有专门的入参，接口只认一帧一帧的图片，所以抽帧的格式、体积、宽高比三项都要自己控住，别指望服务端兜底。这类问题最好一次改到位，反复小改反而容易把原因搅混。