Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Analiziraj sliku s Grokom

Lekcija 11 od 14 Ažurirano 30. srpnja 2026. Programer
Na ovoj stranici
  1. Računalni vid s Grok API-jem
  2. Format ulaza za sliku
  3. Primjer u Pythonu
  4. S formatom chat/completions
  5. Slanje slike u base64 formatu
  6. Primjeri iz stvarnog svijeta
  7. Modeli s podrškom za vid
  8. Ključne točke

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 točkaTip slikeTip teksta
/v1/responsesinput_imageinput_text
/v1/chat/completionsimage_urltext

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_image s krajnjom točkom /v1/responses za slanje slika
  • Slike možeš poslati putem javnog URL-a ili kodirane u base64
  • Model grok-4.5 podržava analizu slika
  • Kombiniraj sliku i tekst u nizu kako bi postavljao pitanja o vizualnom sadržaju