Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Formáty obrázků: URL a Base64

Lekce 1 z 12 Aktualizováno 3. listopadu 2026 Začátečník
Na této stránce
  1. Odesílání obrázků modelu Grok
  2. Přímá URL adresa
  3. Kódování Base64 (Data URI)
  4. Klíčové rozdíly mezi URL a Base64
  5. Kombinování textu a obrázků
  6. Klíčové poznatky

Aktualizováno 3. listopadu 2026. U API Responses se objekty input_image a input_text vkládají do pole content zprávy {"role": "user", ...}, nikoliv přímo do input. Příklad v Pythonu dříve volal client.responses.create() na klientovi xai-sdk, který tuto metodu nemá, a zapisoval API klíč přímo do kódu: nyní používá funkce user(...) a image(...) ze SDK, přičemž klíč se čte z prostředí. Bylo přidáno upozornění xAI na ukládání historie. Kód ověřen s xai-sdk 1.21.0. Zdroj: Image Understanding.

Odesílání obrázků modelu Grok

Grok analyzuje obrázek 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.

2
Podporované formáty
20 MiB
Maximální velikost na obrázek
JPG/PNG
Akceptované formáty
Neomezeně
Počet obrázků

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/JPEG
  • data: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_image do pole content zprávy; Chat Completions používá části image_url; SDK xAI používá image() uvnitř user()
  • Pro veřejné obrázky preferuj URL, pro lokální soubory Base64