Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

Anailís a dhéanamh ar íomhá le Grok

Ceacht 11 as 14 Nuashonraithe 30 Iúil 2026 Forbróir
Ar an leathanach seo
  1. Radharc-ríomhaireacht leis an API Grok
  2. Formáid ionchuir na híomhá
  3. Sampla i bPython
  4. Leis an bhformáid chat/completions
  5. Íomhá a sheoladh i bhformáid base64
  6. Cásanna úsáide sa saol mór
  7. Samhlacha le cumas radhairc
  8. Príomhphointí

Radharc-ríomhaireacht leis an API Grok

Is féidir le samhlacha Grok a bhfuil tacaíocht radhairc acu íomhánna a anailísiú chomh maith le téacs. Seolann tú íomhá (trí URL nó i bhformáid base64) in éineacht le ceist, agus déanann an tsamhail cur síos uirthi, anailís uirthi, nó baintear faisnéis amhairc aisti. Osclaíonn an cumas sin deiseanna praiticiúla: sonraí a bhaint as scáileáin, cairteacha a anailísiú, doiciméid scanta a léamh.

Formáid ionchuir na híomhá

Chun íomhá a sheoladh, úsáideann tú eagar d’ábhar measctha (téacs agus íomhá) sa réimse input:

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

Glacann an cineál input_image le URL poiblí chuig an íomhá. Cuireann an cineál input_text do cheist nó do threoir isteach.

Sampla i bPython

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)

Leis an bhformáid chat/completions

Má úsáideann tú an seandeireadh pointe /v1/chat/completions, tá an formáid beagán difriúil:

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."
                }
            ]
        }
    ]
)

Difríochtaí formáide

Deireadh pointeCineál íomháCineál téacs
/v1/responsesinput_imageinput_text
/v1/chat/completionsimage_urltext

Íomhá a sheoladh i bhformáid base64

Mura bhfuil do íomhá inrochtana trí URL (comhad áitiúil, íomhá ghinte), ionchódaigh í i bhformáid base64:

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."
        }
    ]
)

Cásanna úsáide sa saol mór

Baint sonraí

Seol grianghraf de shonrasc nó de receipt agus iarr ar an tsamhail na méideanna, na dátaí agus na huimhreacha tagartha a bhaint amach.

Anailís ar chairteacha

Cuir cairt nó léaráid isteach agus iarr léirmhíniú ar threochtaí agus ar fhigiúirí lárnacha.

Cabhair le códú

Roinn scáileánphictiúr d’earráid i d’IDE agus iarr míniú agus réiteach.

Cur síos ar chomhéadan

Seol bréagmhacasamhail nó scáileánphictiúr agus iarr ar an tsamhail cur síos a dhéanamh ar na heilimintí comhéadain atá ann.

Samhlacha le cumas radhairc

Ní thacaíonn gach samhail Grok le radharc. Úsáid grok-4.5, a chuimsíonn tacaíocht íomhánna. D’fhéadfadh tacaíocht theoranta nó gan tacaíocht ar bith a bheith ag samhlacha “Mini” nó “fast”.

Príomhphointí

  • Úsáid an cineál input_image leis an deireadh pointe /v1/responses chun íomhánna a sheoladh
  • Is féidir leat íomhánna a sheoladh trí URL poiblí nó trí ionchódú base64
  • Tacaíonn an tsamhail grok-4.5 le hanailís íomhánna
  • Comhcheangail íomhá agus téacs in eagar chun ceisteanna a chur faoi ábhar amhairc