Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Analýza obrázku pomocí Grok

Lekce 11 z 14 Aktualizováno 30. července 2026 Vývojář
Na této stránce
  1. Počítačové vidění s Grok API
  2. Formát vstupu pro obrázek
  3. Příklad v Pythonu
  4. S formátem chat/completions
  5. Odeslání obrázku v base64
  6. Reálné případy použití
  7. Modely s podporou vidění
  8. Klíčové poznatky

Počítačové vidění s Grok API

Modely Grok s podporou vidění dokážou analyzovat nejen text, ale i obrázky. Pošleš obrázek (prostřednictvím URL nebo v kódování base64) spolu s otázkou a model jej popíše, analyzuje nebo z něj extrahuje vizuální informace. Tato schopnost otevírá konkrétní možnosti: extrakci dat ze screenshotů, analýzu grafů nebo čtení naskenovaných dokumentů.

Formát vstupu pro obrázek

Pro odeslání obrázku použiješ v poli input pole smíšeného obsahu (text a obrázek):

[
  {
    "type": "input_image",
    "image_url": "https://exemple.com/mon-image.jpg"
  },
  {
    "type": "input_text",
    "text": "What do you see in this image?"
  }
]

Typ input_image přijímá veřejnou URL adresu obrázku. Typ input_text obsahuje tvou otázku nebo instrukci.

Příklad v Pythonu

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("XAI_API_KEY"),
    base_url="https://api.x.ai/v1"
)

response = client.responses.create(
    model="grok-4.5",
    input=[
        {
            "type": "input_image",
            "image_url": "https://exemple.com/graphique-ventes.png"
        },
        {
            "type": "input_text",
            "text": "Analyze this chart. What's the main trend?"
        }
    ]
)

print(response.output[0].content[0].text)

S formátem chat/completions

Pokud používáš starší koncový bod /v1/chat/completions, je formát mírně odlišný:

response = client.chat.completions.create(
    model="grok-4.5",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {"url": "https://exemple.com/photo.jpg"}
                },
                {
                    "type": "text",
                    "text": "Describe this image in detail."
                }
            ]
        }
    ]
)

Rozdíly ve formátu

Koncový bodTyp obrázkuTyp textu
/v1/responsesinput_imageinput_text
/v1/chat/completionsimage_urltext

Odeslání obrázku v base64

Pokud není tvůj obrázek dostupný přes URL (jedná se o místní soubor nebo vygenerovaný obrázek), zakóduj jej do base64:

import base64

with open("capture.png", "rb") as f:
    image_base64 = base64.b64encode(f.read()).decode("utf-8")

response = client.responses.create(
    model="grok-4.5",
    input=[
        {
            "type": "input_image",
            "image_url": f"data:image/png;base64,{image_base64}"
        },
        {
            "type": "input_text",
            "text": "Read the text in this screenshot."
        }
    ]
)

Reálné případy použití

Extrakce dat

Pošli fotografii faktury nebo účtenky a požádej model o extrakci částek, dat a referenčních čísel.

Analýza grafů

Odešli graf nebo diagram a požádej o interpretaci trendů a klíčových údajů.

Pomoc s kódováním

Sdílej screenshot chyby ve svém IDE a požádej o vysvětlení a opravu.

Popis rozhraní

Pošli mockup nebo screenshot a požádej model o popis prvků rozhraní, které obsahuje.

Modely s podporou vidění

Ne každý model Grok podporuje vidění. Použij grok-4.5, který zahrnuje podporu obrázků. Modely „Mini“ nebo „fast“ mohou mít podporu omezenou nebo žádnou.

Klíčové poznatky

  • Pro odesílání obrázků použij s koncovým bodem /v1/responses typ input_image
  • Obrázky můžeš odesílat pomocí veřejné URL nebo v kódování base64
  • Model grok-4.5 podporuje analýzu obrázků
  • Pro kladení otázek týkajících se vizuálního obsahu kombinuj obrázek a text v poli