Analiziraj sliku s Grokom
Na ovoj stranici
Računalni vid s Grok API-jem
Grok modeli s podrškom za vid mogu analizirati slike jednako kao i tekst. Šalješ sliku (putem URL-a ili u base64 formatu) zajedno s pitanjem, a model je opisuje, analizira ili iz nje izvlači vizualne informacije. Ta mogućnost otvara konkretne primjene: izvlačenje podataka sa snimki zaslona, analiza grafikona, čitanje skeniranih dokumenata.
Format ulaza za sliku
Za slanje slike koristiš polje input koje sadrži niz mješovitog sadržaja (tekst i slika):
[
{
"type": "input_image",
"image_url": "https://exemple.com/mon-image.jpg"
},
{
"type": "input_text",
"text": "What do you see in this image?"
}
]
Tip input_image prihvaća javni URL do slike. Tip input_text sadrži tvoje pitanje ili uputu.
Primjer u Pythonu
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)
S formatom chat/completions
Ako koristiš stariju krajnju točku /v1/chat/completions, format je nešto drugačiji:
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."
}
]
}
]
)
Razlike u formatu
| Krajnja točka | Tip slike | Tip teksta |
|---|---|---|
/v1/responses | input_image | input_text |
/v1/chat/completions | image_url | text |
Slanje slike u base64 formatu
Ako tvoja slika nije dostupna putem URL-a (lokalna datoteka, generirana slika), kodiraj je u 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."
}
]
)
Primjeri iz stvarnog svijeta
Izvlačenje podataka
Pošalji fotografiju računa ili priznanice i zatraži od modela da izvuče iznose, datume i referentne brojeve.
Analiza grafikona
Pošalji grafikon ili dijagram i zatraži tumačenje trendova i ključnih brojki.
Pomoć pri programiranju
Podijeli snimku zaslona s greškom u svom IDE-u i zatraži objašnjenje te rješenje.
Opis sučelja
Pošalji maketu ili snimku zaslona i zatraži od modela da opiše elemente sučelja koje sadrži.
Modeli s podrškom za vid
Ne podržava svaki Grok model vid. Koristi grok-4.5, koji uključuje podršku za slike. Modeli „Mini“ ili „fast“ mogu imati ograničenu podršku ili je uopće nemati.
Ključne točke
- Koristi tip
input_images krajnjom točkom/v1/responsesza slanje slika - Slike možeš poslati putem javnog URL-a ili kodirane u base64
- Model
grok-4.5podržava analizu slika - Kombiniraj sliku i tekst u nizu kako bi postavljao pitanja o vizualnom sadržaju