Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

Srianta: Formáidí, Méid, agus Teorainneacha

Ceacht 4 as 12 Nuashonraithe 30 Iúil 2026 Doicnéir
Ar an leathanach seo
  1. Bunrialacha
  2. Formáidí Íomhá Glactha
  3. Uasmhéid: 20 MiB
  4. Líon na nÍomhánna in aghaidh an Iarrtais: Gan Teorainn
  5. Múnlaí Comhoiriúnacha
  6. Láimhseáil Earráidí
  7. Príomhphointí

Bunrialacha

Sula ndéanann tú Grok Vision a chomhtháthú i d’fheidhmchláir, ní mór duit na srianta teicniúla a fhorchuireann an xAI API a thuiscint. Má dhéanann tú neamhaird ar na teorainneacha seo, beidh earráidí ciúine nó iarratais dhiúltaithe mar thoradh air, rud a d’fhéadfadh a bheith deacair a dhífhabhtú i dtimpeallacht táirgeachta.

Formáidí Íomhá Glactha

Glacann an xAI API le dhá fhormáid comhaid íomhá (trí shíneadh: .jpg, .jpeg, .png):

  • JPG (nó JPEG) — an fhormáid is coitianta do ghrianghraif
  • PNG — oiriúnach do scáileáin, léaráidí, agus íomhánna le téacs

Diúltaítear gach formáid eile. Má oibríonn tú le híomhánna WebP, GIF, BMP, TIFF, SVG, nó HEIC, caithfidh tú iad a thiontú sula seolann tú iad:

from PIL import Image

def convert_to_jpeg(source_path, output_path):
    img = Image.open(source_path)
    # Convert to RGB (required for JPEG)
    if img.mode in ("RGBA", "P"):
        img = img.convert("RGB")
    img.save(output_path, "JPEG", quality=90)

Fabht Choitianta: Íomhánna RGBA

Glactar le comhaid PNG a bhfuil trédhearcacht acu (cainéal alfa) mar atá siad. Mar sin féin, má thiontaíonn tú iad go JPEG, caithfidh tú an cainéal alfa a bhaint ar dtús toisc nach dtacaíonn JPEG le trédhearcacht.

Uasmhéid: 20 MiB

Ní mór nach sáróidh gach íomhá 20 MiB (20,971,520 beart). Thar an teorainn seo, diúltóidh an API an t-iarratas.

Baineann an teorainn seo le:

  • An comhad íoslódáilte i gcás URL
  • Na sonraí díchódaithe i gcás Base64 (ní an teaghrán códaithe féin, atá ~33% níos faide)

Seiceáil an Méid Sula Seolann Tú

import os

def check_size(image_path, max_mib=20):
    size = os.path.getsize(image_path)
    size_mib = size / (1024 * 1024)

    if size_mib > max_mib:
        raise ValueError(
            f"Image too large: {size_mib:.1f} MiB "
            f"(max {max_mib} MiB)"
        )
    return size_mib

Comhbhrúigh Más Gá

Do íomhánna atá gar don teorainn, is féidir leat cáilíocht JPEG a laghdú:

def compress_image(path, quality=80, max_size_mib=20):
    img = Image.open(path)
    buffer = io.BytesIO()
    img.save(buffer, "JPEG", quality=quality)

    while buffer.tell() > max_size_mib * 1024 * 1024 and quality > 20:
        quality -= 10
        buffer = io.BytesIO()
        img.save(buffer, "JPEG", quality=quality)

    buffer.seek(0)
    return buffer

Líon na nÍomhánna in aghaidh an Iarrtais: Gan Teorainn

Murab ionann agus APIanna radhairc eile a chuireann teorainn le líon na n-íomhánna in aghaidh an iarrtais, ní fhorchuireann an xAI API aon teorainn. Is féidir leat an oiread íomhánna agus is gá a sheoladh in aon iarratas amháin.

Mar sin féin, cuimhnigh air seo a leanas:

  • Úsáideann gach íomhá idir 256 agus 1792 token
  • Tá uasmhéid ag baint le comhthéacs iomlán an mhúnla
  • Níos mó íomhánna = níos mó moille agus costais

Moladh Praicticiúil

Cé go bhfuil an teorainn gan teorainn go teoiriciúil, fan réasúnach:

# Best practice: process in batches
def analyze_batch(images, batch_size=10):
    results = []
    for i in range(0, len(images), batch_size):
        batch = images[i:i + batch_size]
        input_data = []
        for img in batch:
            input_data.append({
                "type": "input_image",
                "image_url": img,
                "detail": "low"
            })
        input_data.append({
            "type": "input_text",
            "text": "Briefly describe each image."
        })

        response = client.responses.create(
            model="grok-4.5",
            input=input_data
        )
        results.append(response)
    return results

Múnlaí Comhoiriúnacha

Tá tuiscint íomhá ar fáil ar grok-4.5 agus níos airde. Ní thacaíonn múnlaí níos luaithe leis an ngné seo.

Seiceáil i gcónaí an múnla a úsáidtear i do chód:

VISION_MODELS = ["grok-4.5", "grok-4.20-0309-reasoning"]

def supports_vision(model):
    return any(model.startswith(m) for m in VISION_MODELS)

Láimhseáil Earráidí

Réamh-mheas earráidí a bhaineann le srianta trí íomhánna a bhailíochtú sula seolann tú iad:

def validate_image(path):
    errors = []

    # Check format
    extension = path.lower().rsplit(".", 1)[-1]
    if extension not in ("jpg", "jpeg", "png"):
        errors.append(f"Unsupported format: {extension}")

    # Check size
    size_mib = os.path.getsize(path) / (1024 * 1024)
    if size_mib > 20:
        errors.append(f"Too large: {size_mib:.1f} MiB (max 20)")

    # Check that it is a real image
    try:
        img = Image.open(path)
        img.verify()
    except Exception:
        errors.append("Corrupted file or not a valid image")

    return errors

Príomhphointí

  • Ní ghlactar ach le formáidí JPG/JPEG agus PNG — tiontaigh cinn eile
  • Uasmhéid: 20 MiB in aghaidh na híomhá — comhbhrúigh más gá
  • Tá líon na n-íomhánna in aghaidh an iarrtais gan teorainn, ach úsáideann gach íomhá tokenanna
  • Ní thacaíonn ach múnlaí grok-4.5 agus níos airde le radharc
  • Bailíochtaigh íomhánna i gcónaí sula seolann tú iad chun earráidí ciúine a sheachaint