Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Analysoi kuva Grokin avulla

Oppitunti 11 / 14 Päivitetty 30. heinäkuuta 2026 Kehittäjä
Tällä sivulla
  1. Konenäkö Grok-API:n avulla
  2. Kuvan syöttömuoto
  3. Python-esimerkki
  4. chat/completions-muodolla
  5. Kuvan lähetys base64-muodossa
  6. Käytännön sovelluksia
  7. Näkökykyiset mallit
  8. Keskeiset asiat

Konenäkö Grok-API:n avulla

Näkökyvyllä varustetut Grok-mallit osaavat analysoida kuvia tekstin lisäksi. Lähetät kuvan (URL-osoitteena tai base64-koodattuna) yhdessä kysymyksen kanssa, jolloin malli kuvailee kuvaa, analysoi sitä tai poimii siitä visuaalista tietoa. Tämä ominaisuus avaa konkreettisia mahdollisuuksia: tietojen poimiminen kuvakaappauksista, kaavioiden analysointi ja skannattujen asiakirjojen lukeminen.

Kuvan syöttömuoto

Kuvan lähettämiseksi käytät sekasisältötaulukkoa (teksti ja kuva) kentässä input:

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

Tyyppi input_image vaatii julkisen URL-osoitteen kuvaan. Tyyppi input_text sisältää kysymyksesi tai ohjeesi.

Python-esimerkki

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)

chat/completions-muodolla

Jos käytät vanhentunutta päätepistettä /v1/chat/completions, muotoilu poikkeaa hieman:

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."
                }
            ]
        }
    ]
)

Muotoiluerot

PäätepisteKuvatyyppiTekstityyppi
/v1/responsesinput_imageinput_text
/v1/chat/completionsimage_urltext

Kuvan lähetys base64-muodossa

Jos kuvaasi ei voi tavoittaa URL-osoitteella (esimerkiksi paikallinen tiedosto tai generoitu kuva), koodaa se base64-muotoon:

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."
        }
    ]
)

Käytännön sovelluksia

Tietojen poiminta

Lähetä valokuva laskusta tai kuitista ja pyydä mallia poimimaan summat, päivämäärät ja viitenumerot.

Kaavioiden analyysi

Lähetä kaavio tai diagrammi ja pyydä tulkintaa trendeistä ja keskeisistä luvuista.

Koodausapu

Jaa kuvakaappaus virheilmoituksesta IDE:ssäsi ja pyydä selitystä sekä korjausehdotusta.

Käyttöliittymän kuvaus

Lähetä mallikuva tai kuvakaappaus ja pyydä mallia kuvaamaan siinä olevat käyttöliittymäelementit.

Näkökykyiset mallit

Kaikki Grok-mallit eivät tue näkökykyä. Käytä mallia grok-4.5, joka sisältää kuvatuen. “Mini”- tai “fast”-malleilla voi olla rajoitettu tuki tai ei lainkaan tukea.

Keskeiset asiat

  • Käytä tyyppiä input_image päätepisteen /v1/responses kanssa kuvien lähettämiseen
  • Voit lähettää kuvia julkisena URL-osoitteena tai base64-koodattuna
  • Malli grok-4.5 tukee kuvien analysointia
  • Yhdistä kuva ja teksti taulukkoon kysyäksesi visuaalisesta sisällöstä