Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Pildi analüüsimine Grokiga

Õppetund 11 / 14 Värskendatud 30. juuli 2026 Arendajatele
Sellel lehel
  1. Arvutinägemine Grok API abil
  2. Pildi sisendformaat
  3. Pythoni näide
  4. Kasutades vormingut chat/completions
  5. Pildi saatmine base64-koodis
  6. Reaalsed kasutusjuhtumid
  7. Nägemisvõimega mudelid
  8. Peamised punktid

Arvutinägemine Grok API abil

Groki mudelid, mis toetavad nägemisvõimet, suudavad analüüsida nii pilte kui ka teksti. Saadad pildi (URL-i või base64-koodina) koos küsimusega ning mudel kirjeldab seda, analüüsib või eraldab visuaalset teavet. See võimalus avab konkreetsed kasutusviisid: andmete eraldamine ekraanitõmmistelt, diagrammide analüüsimine, skaneeritud dokumentide lugemine.

Pildi sisendformaat

Pildi saatmiseks kasutad väljal input segasisu massiivi (tekst ja pilt):

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

Tüüp input_image võtab vastu pildi avaliku URL-i. Tüüp input_text sisaldab sinu küsimust või juhendit.

Pythoni näide

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)

Kasutades vormingut chat/completions

Kui kasutad vanemat lõpppunkti /v1/chat/completions, on formaat veidi erinev:

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."
                }
            ]
        }
    ]
)

Formaadi erinevused

LõpppunktPildi tüüpTeksti tüüp
/v1/responsesinput_imageinput_text
/v1/chat/completionsimage_urltext

Pildi saatmine base64-koodis

Kui sinu pilt ei ole URL-i kaudu kättesaadav (näiteks kohalik fail või genereeritud pilt), kodeeri see base64-formaati:

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."
        }
    ]
)

Reaalsed kasutusjuhtumid

Andmete eraldamine

Saada foto arvest või kviitungist ja palu mudelil eraldada summad, kuupäevad ja viitenumbrid.

Diagrammide analüüs

Esita diagramm või skeem ja küsi trendide ning peamiste näitajate tõlgendust.

Programmeerimisabi

Jaga ekraanitõmmist veast oma IDE-s ja küsi selgitust ning lahendust.

Liidese kirjeldus

Saada makett või ekraanitõmmis ja palu mudelil kirjeldada selles sisalduvaid liidese elemente.

Nägemisvõimega mudelid

Mitte iga Groki mudel ei toeta nägemisvõimet. Kasuta mudelit grok-4.5, mis sisaldab piltide tuge. Mudelid „Mini“ või „fast“ võivad omada piiratud tuge või mitte toetada seda üldse.

Peamised punktid

  • Kasuta piltide saatmiseks lõpppunktiga /v1/responses tüüpi input_image
  • Pilte saab saata avaliku URL-i või base64-koodina
  • Mudel grok-4.5 toetab piltide analüüsi
  • Kombineeri pilt ja tekst massiivis, et esitada visuaalse sisu kohta küsimusi