Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Pildiformaadid: URL ja Base64

Õppetund 1 / 12 Värskendatud 3. november 2026 Algajatele
Sellel lehel
  1. Piltide saatmine Grokile
  2. Otse URL
  3. Base64 kodeering (Data URI)
  4. Peamised erinevused URL-i ja Base64 vahel
  5. Teksti ja piltide segamine
  6. Peamised punktid

Uuendatud 3. novembril 2026. Responses API kasutamisel lisatakse input_image ja input_text objektid sõnumi {"role": "user", ...} väljale content, mitte otse väljale input. Eelmine Pythoni näide kutsus xai-sdk kliendil meetodit client.responses.create(), mida sellel kliendil tegelikult pole, ja sisaldas API võtit koodis: nüüd kasutatakse SDKst funktsioone user(...) ja image(...), lugedes võtme keskkonnamuutujatest. Lisatud on xAI hoiatus ajaloo salvestamise kohta. Kood on kontrollitud versiooniga xai-sdk 1.21.0. Allikas: Image Understanding.

Piltide saatmine Grokile

Grok analüüsib pilti Alates mudelist grok-4.5 sisaldavad Groki mudelid nägemisvõimet. Saad oma API päringutes saata ühe või mitu pilti ning mudel analüüsib neid, et vastata sinu küsimustele. Seda nimetatakse piltide mõistmiseks ehk multimodaalseks nägemiseks.

Enne kasutusjuhtude juurde asumist on oluline omandada xAI API poolt toetatud kaks pildi esitamise formaati.

2
Toetatud formaadid
20 MiB
Maksimaalne suurus pildi kohta
JPG/PNG
Lubatud formaadid
Piiramatu
Piltide arv

Otse URL

Lihtsaim meetod on sisestada pildi avalik URL. Mudel laeb pildi alla ja analüüsib seda automaatselt.

Kasutades Responses API-t (peamine lõpp-punkt):

{
  "model": "grok-4.5",
  "input": [
    {
      "role": "user",
      "content": [
        {
          "type": "input_image",
          "image_url": "https://exemple.com/photo-produit.jpg"
        },
        {
          "type": "input_text",
          "text": "Kirjelda seda pilti üksikasjalikult."
        }
      ]
    }
  ]
}

xAI soovitab piltide saatmisel mitte salvestada päringute ja vastuste ajalugu nende serveritesse, vastasel juhul võib päring nurjuda: kasutades Responses API-t, lisa "store": false.

Kasutades Chat Completions API-t (vananenud, OpenAI-ga ühilduv):

{
  "model": "grok-4.5",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "image_url",
          "image_url": {
            "url": "https://exemple.com/photo-produit.jpg"
          }
        },
        {
          "type": "text",
          "text": "Kirjelda seda pilti üksikasjalikult."
        }
      ]
    }
  ]
}

URL peab viitama avalikult ligipääsetavale pildifailile. Kui pilt on kaitstud autentimisega või asub kaitstud CDN-is, kasuta selle asemel Base64 formaati.

Base64 kodeering (Data URI)

Teine formaat hõlmab pildi kodeerimist otse päringusse Base64 stringina, millele eelneb MIME prefiks. See on ideaalne meetod kohalike piltide, ekraanitõmmiste või dünaamiliselt genereeritud failidega töötamisel.

{
  "type": "input_image",
  "image_url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQ..."
}

Prefiks data:image/jpeg;base64, annab mudelile teada pildi MIME-tüübi. Kohanda seda vastavalt formaadile:

  • data:image/jpeg;base64, JPG/JPEG failide jaoks
  • data:image/png;base64, PNG failide jaoks

Pildi kodeerimine Pythonis

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}"

Kodeerimine JavaScriptis/Node.js-is

import { readFileSync } from 'fs';

const imageData = readFileSync('photo.jpg').toString('base64');
const imageUrl = `data:image/jpeg;base64,${imageData}`;

Peamised erinevused URL-i ja Base64 vahel

Kriteerium URL Base64
Päringu suurus Kerge (ainult URL) Raske (+33% võrreldes algse failiga)
Ligipääsetavus Vajalik avalik pilt Toimib iga kohaliku failiga
Latentsus Server laeb alla Andmed otse päringus
Tüüpiline kasutusjuhtum Veebipildid, CDN, pilvesalvestus Kohalikud failid, ekraanitõmmised, üleslaadimised

Teksti ja piltide segamine

Sõnumi väli content aktsepteerib segatud massiivi objektidest input_image ja input_text suvalises järjekorras: saad vabalt vaheldumisi lisada teksti ja pilte. Kasutades nativset xAI SDK-d, ehitatakse sama sõnum funktsiooniga user(), mis aktsepteerib järjestikku teksti ja funktsiooniga image() loodud pilte:

from xai_sdk import Client
from xai_sdk.chat import image, user

client = Client()  # võti loetakse muutujast XAI_API_KEY

chat = client.chat.create(model="grok-4.5")
chat.append(
    user(
        "Võrdle neid kahte fotot:",
        image(image_url="https://exemple.com/photo1.jpg", detail="high"),
        image(image_url="https://exemple.com/photo2.jpg", detail="high"),
        "Millised on peamised erinevused?",
    )
)

response = chat.sample()
print(response.content)

Funktsioon image() aktsepteerib avalikku URL-i või Base64 Data URI-d.

Peamised punktid

  • Toetatud on kaks pildiformaati: Otse URL ja Base64 (Data URI)
  • Lubatud on ainult formaadid JPG, JPEG ja PNG
  • Ükski pilt ei tohi ületada suurust 20 MiB
  • Piltide arv päringu kohta on piiramatu
  • Responses API paigutab input_image sõnumi väljale content; Chat Completions kasutab osi image_url; xAI SDK kasutab funktsiooni image() funktsiooni user() sees
  • Eelista avalike piltide jaoks URL-i ja kohalike failide jaoks Base64-t