Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

Formáidí Íomhá: URL agus Base64

Ceacht 1 as 12 Nuashonraithe 3 Samhain 2026 Doicnéir
Ar an leathanach seo
  1. Íomhánna a Sheoladh chuig Grok
  2. URL Díreach
  3. Base64 Ionchódaithe (Data URI)
  4. Príomhdhifríochtaí idir URL agus Base64
  5. Téacs agus Íomhánna a Mheascadh
  6. Príomhphointí

Nuashonraithe an 3 Samhain, 2026. Leis an Responses API, téann oibiachtaí input_image agus input_text isteach sa content de theachtaireacht {"role": "user", ...}, ní go díreach in input. D’úsáid an sampla Python roimhe seo client.responses.create() ar an gcliant xai-sdk, nach bhfuil an modh seo aige, agus scríobh sé an eochair API sa chód: úsáideann sé anois user(...) agus image(...) ón SDK, agus léitear an eochair ón timpeallacht. Cuireadh rabhadh xAI faoi stóráil staire leis. Fíoraíodh an cód le xai-sdk 1.21.0. Foinse: Image Understanding.

Íomhánna a Sheoladh chuig Grok

Grok ag déanamh anailíse ar íomhá 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.

2
Formáidí tacaithe
20 MiB
Méid uasta in aghaidh na híomhá
JPG/PNG
Formáidí glactha
Gan teorainn
Líon na n-íomhánna

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/JPEG
  • data: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_image sa content de theachtaireacht; úsáideann Chat Completions codanna image_url; úsáideann an xAI SDK image() laistigh de user()
  • Bain úsáid as URL d’íomhánna poiblí agus as Base64 do chomhaid áitiúla