Formáidí Íomhá: URL agus Base64
Ar an leathanach seo
Nuashonraithe an 3 Samhain, 2026. Leis an Responses API, téann oibiachtaí
input_imageagusinput_textisteach sacontentde theachtaireacht{"role": "user", ...}, ní go díreach ininput. D’úsáid an sampla Python roimhe seoclient.responses.create()ar an gcliantxai-sdk, nach bhfuil an modh seo aige, agus scríobh sé an eochair API sa chód: úsáideann sé anoisuser(...)agusimage(...)ón SDK, agus léitear an eochair ón timpeallacht. Cuireadh rabhadh xAI faoi stóráil staire leis. Fíoraíodh an cód lexai-sdk1.21.0. Foinse: Image Understanding.
Íomhánna a Sheoladh chuig Grok
Tá cumais fhisice (vision) ag baint le samhlacha Grok ó grok-4.5 ar aghaidh. Is féidir leat ceann amháin nó níos mó íomhánna a sheoladh i d’iarratais API, agus déanfaidh an tsamhail anailís orthu chun do chuid ceisteanna a fhreagairt. Tugtar tuiscint ar íomhánna, nó fís ilmhódach, air seo.
Sula ndéanaimid iniúchadh ar chásanna úsáide, tá sé ríthábhachtach máistreacht a fháil ar an dá fhormáid seolta íomhá a thacaíonn API xAI.
URL Díreach
Is é an modh is simplí ná URL poiblí na híomhá a sholáthar. Íoslódálfaidh agus déanfaidh an tsamhail anailís air go huathoibríoch.
Leis an Responses API (príomhphointe deiridh):
{
"model": "grok-4.5",
"input": [
{
"role": "user",
"content": [
{
"type": "input_image",
"image_url": "https://exemple.com/photo-produit.jpg"
},
{
"type": "input_text",
"text": "Describe this image in detail."
}
]
}
]
}
Molann xAI gan stair na n-iarratas agus na bhfreagraí a stóráil ar a bhfreastalaithe nuair a sheolann tú íomhánna, nó d’fhéadfadh an t-iarratas teipthe: leis an Responses API, rith "store": false.
Leis an Chat Completions API (seanbhunaithe, comhoiriúnach le OpenAI):
{
"model": "grok-4.5",
"messages": [
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://exemple.com/photo-produit.jpg"
}
},
{
"type": "text",
"text": "Describe this image in detail."
}
]
}
]
}
Ní mór don URL pointeáil chuig comhad íomhá atá inrochtana go poiblí. Má tá an íomhá taobh thiar de fhíordheimhniú nó de CDN cosanta, úsáid an formáid Base64 ina ionad sin.
Base64 Ionchódaithe (Data URI)
Baineann an dara formáid le hionchódú na híomhá go díreach san iarratas mar shreang Base64 ar a bhfuil réimír MIME. Seo an modh idéalach nuair a bhíonn tú ag obair le híomhánna áitiúla, scáileáin ghabhála, nó comhaid a ghintear go dinimiciúil.
{
"type": "input_image",
"image_url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQ..."
}
Cuireann an réimír data:image/jpeg;base64, in iúl don tsamhail cineál MIME na híomhá. Coigeartaigh é de réir na formáide:
data:image/jpeg;base64,do chomhaid JPG/JPEGdata:image/png;base64,do chomhaid PNG
Íomhá a Ionchódú i Python
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}"
Ionchódú i JavaScript/Node.js
import { readFileSync } from 'fs';
const imageData = readFileSync('photo.jpg').toString('base64');
const imageUrl = `data:image/jpeg;base64,${imageData}`;
Príomhdhifríochtaí idir URL agus Base64
| Critéar | URL | Base64 |
|---|---|---|
| Méid an iarratais | Éadrom (níl ann ach an URL) | Trom (+33% i gcomparáid leis an gcomhad bunaidh) |
| Inrochtaineacht | Íomhá phoiblí ag teastáil | Oibríonn sé le haon chomhad áitiúil |
| Moill (Latency) | Íoslódáil ón bhfreastalaí | Sonraí go díreach san iarratas |
| Cás úsáide tipiciúil | Íomhánna gréasáin, CDN, stóráil scamaill | Comhaid áitiúla, scáileáin ghabhála, uaslódálacha |
Téacs agus Íomhánna a Mheascadh
Glacann content teachtaireachta le sraith mheasctha d’oibiachtaí input_image agus input_text, in aon ord: is féidir leat téacs agus íomhánna a mhalartú go saor. Leis an SDK dúchasach xAI, tógtar an teachtaireacht chéanna le user(), a ghlacann le téacs agus le híomhánna a chruthaítear le image() i seicheamh:
from xai_sdk import Client
from xai_sdk.chat import image, user
client = Client() # eochair léite ó XAI_API_KEY
chat = client.chat.create(model="grok-4.5")
chat.append(
user(
"Déan comparáid idir an dá ghrianghraf seo:",
image(image_url="https://exemple.com/photo1.jpg", detail="high"),
image(image_url="https://exemple.com/photo2.jpg", detail="high"),
"Cad iad na príomhdhifríochtaí?",
)
)
response = chat.sample()
print(response.content)
Glacann image() le URL poiblí nó le Data URI Base64.
Príomhphointí
- Tá dhá fhormáid íomhá tacaithe: URL Díreach agus Base64 (Data URI)
- Ní ghlactar ach leis na formáidí JPG, JPEG, agus PNG
- Ní mór do gach íomhá a bheith faoi bhun 20 MiB
- Tá líon na n-íomhánna in aghaidh an iarratais gan teorainn
- Cuireann an Responses API
input_imagesacontentde theachtaireacht; úsáideann Chat Completions codannaimage_url; úsáideann an xAI SDKimage()laistigh deuser() - Bain úsáid as URL d’íomhánna poiblí agus as Base64 do chomhaid áitiúla