Formáty obrázků: URL a Base64
Na této stránce
Aktualizováno 3. listopadu 2026. U API Responses se objekty
input_imageainput_textvkládají do polecontentzprávy{"role": "user", ...}, nikoliv přímo doinput. Příklad v Pythonu dříve volalclient.responses.create()na klientovixai-sdk, který tuto metodu nemá, a zapisoval API klíč přímo do kódu: nyní používá funkceuser(...)aimage(...)ze SDK, přičemž klíč se čte z prostředí. Bylo přidáno upozornění xAI na ukládání historie. Kód ověřen sxai-sdk1.21.0. Zdroj: Image Understanding.
Odesílání obrázků modelu Grok
Modely Grok od verze grok-4.5 výše zahrnují schopnosti počítačového vidění. Do svých požadavků API můžeš odeslat jeden nebo více obrázků a model je analyzuje, aby odpověděl na tvé otázky. Tomu se říká porozumění obrázkům nebo multimodální vidění.
Než se ponoříš do konkrétních případů použití, je nezbytné zvládnout dva formáty odesílání obrázků, které API xAI podporuje.
Přímá URL adresa
Nejjednodušší metodou je poskytnout veřejnou URL adresu obrázku. Model si jej automaticky stáhne a analyzuje.
S API Responses (hlavní koncový bod):
{
"model": "grok-4.5",
"input": [
{
"role": "user",
"content": [
{
"type": "input_image",
"image_url": "https://exemple.com/photo-produit.jpg"
},
{
"type": "input_text",
"text": "Popiš tento obrázek podrobně."
}
]
}
]
}
xAI doporučuje, abys při odesílání obrázků neukládal historii požadavků a odpovědí na jejich serverech, jinak může požadavek selhat: u API Responses předej "store": false.
S API Chat Completions (starší, kompatibilní s OpenAI):
{
"model": "grok-4.5",
"messages": [
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://exemple.com/photo-produit.jpg"
}
},
{
"type": "text",
"text": "Popiš tento obrázek podrobně."
}
]
}
]
}
URL adresa musí směřovat na veřejně přístupný soubor obrázku. Pokud je obrázek chráněn ověřením nebo se nachází za chráněným CDN, použij místo toho formát Base64.
Kódování Base64 (Data URI)
Druhý formát zahrnuje zakódování obrázku přímo v požadavku jako řetězec Base64 s předřazeným prefixem MIME. Toto je ideální metoda při práci s lokálními obrázky, snímky obrazovky nebo dynamicky generovanými soubory.
{
"type": "input_image",
"image_url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQ..."
}
Prefix data:image/jpeg;base64, sděluje modelu typ MIME obrázku. Uprav jej podle formátu:
data:image/jpeg;base64,pro soubory JPG/JPEGdata:image/png;base64,pro soubory PNG
Kódování obrázku v Pythonu
import base64
with open("photo.jpg", "rb") as f:
image_data = base64.standard_b64encode(f.read()).decode("utf-8")
image_url = f"data:image/jpeg;base64,{image_data}"
Kódování v JavaScriptu/Node.js
import { readFileSync } from 'fs';
const imageData = readFileSync('photo.jpg').toString('base64');
const imageUrl = `data:image/jpeg;base64,${imageData}`;
Klíčové rozdíly mezi URL a Base64
| Kritérium | URL | Base64 |
|---|---|---|
| Velikost požadavku | Lehký (pouze URL) | Těžký (+33 % oproti původnímu souboru) |
| Dostupnost | Vyžaduje veřejný obrázek | Funguje s jakýmkoliv lokálním souborem |
| Latence | Stahování serverem | Data přímo v požadavku |
| Typický případ použití | Webové obrázky, CDN, cloudové úložiště | Lokální soubory, snímky obrazovky, nahrávání |
Kombinování textu a obrázků
Pole content zprávy přijímá smíšené pole objektů input_image a input_text v libovolném pořadí: text a obrázky můžeš volně střídat. S nativním SDK xAI se stejná zpráva vytváří pomocí user(), která přijímá text a obrázky vytvořené funkcí image() v sekvenci:
from xai_sdk import Client
from xai_sdk.chat import image, user
client = Client() # klíč načten z XAI_API_KEY
chat = client.chat.create(model="grok-4.5")
chat.append(
user(
"Porovnej tyto dvě fotografie:",
image(image_url="https://exemple.com/photo1.jpg", detail="high"),
image(image_url="https://exemple.com/photo2.jpg", detail="high"),
"Jaké jsou hlavní rozdíly?",
)
)
response = chat.sample()
print(response.content)
Funkce image() přijímá veřejnou URL adresu nebo Data URI ve formátu Base64.
Klíčové poznatky
- Podporovány jsou dva formáty obrázků: Přímá URL a Base64 (Data URI)
- Akceptovány jsou pouze formáty JPG, JPEG a PNG
- Každý obrázek nesmí překročit 20 MiB
- Počet obrázků na požadavek je neomezený
- API Responses umisťuje
input_imagedo polecontentzprávy; Chat Completions používá částiimage_url; SDK xAI používáimage()uvnitřuser() - Pro veřejné obrázky preferuj URL, pro lokální soubory Base64