Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Képek és videók kötegben

9. lecke 12 közül Frissítve 2026. november 2. Fejlesztő
Ezen az oldalon
  1. Többszörös multimodális generálás
  2. Kötegelt képgenerálás
  3. Kötegelt képszerkesztés
  4. Kötegelt videógenerálás
  5. Videoszerkesztés és -hosszabbítás
  6. A Python SDK használata
  7. Multimodális tartalmak árazása
  8. Az eredmény URL-címek lejárata
  9. Vegyes multimodális munkafolyamat
  10. Főbb megállapítások

Frissítve: 2026. november 2. az xAI dokumentációja alapján: a kötegelt kedvezmény 20% a jogosult szöveges modellekre (nem 50%), a példák a REST API-t és a hivatalos xai-sdk-t (client.batch.*) követik (az xAI Batch API nem az OpenAI formátumot használja, az OpenAI SDK nem alkalmazható), és a Responses API elsőbbséget élvez a Chat Completions felett, amely az xAI-nál már elavult végpont. Források: Batch API · REST Referencia · Batch Árazás.

Többszörös multimodális generálás

A Batch API nem korlátozódik csak a szövegre. Beküldhetsz képgenerálási és képszerkesztési kéréseket, valamint videógenerálási, videoszerkesztési és videóhosszabbítási feladatokat is. Ez a lehetőség teljes körű multimodális munkafolyamatokat tesz lehetővé: egyetlen műveletben írhatsz leírásokat és generálhatod hozzájuk a vizuális tartalmakat.

Kötegelt képgenerálás

A /v1/images/generations végpont kötegelt módban ugyanúgy működik, mint szinkron üzemmódban. A aspect_ratio paraméterrel választhatod ki a formátumot, a resolution paraméterrel a felbontást ("1k", "1.5k" vagy "2k"), az n paraméterrel pedig a képek számát:

{"custom_id": "img-001", "method": "POST", "url": "/v1/images/generations", "body": {"model": "grok-imagine-image-2.0", "prompt": "Minimalista logó egy fintech startupnak, fehér háttér, vektoros stílus", "n": 1, "aspect_ratio": "1:1", "resolution": "1k"}}
{"custom_id": "img-002", "method": "POST", "url": "/v1/images/generations", "body": {"model": "grok-imagine-image-2.0", "prompt": "Izometrikus illusztráció egy adatközpontról", "n": 1, "aspect_ratio": "16:9", "resolution": "1k"}}

Kötegelt képszerkesztés

A /v1/images/edits végpont egy meglévő képet módosít, amelyet egy image objektumban adsz meg: ez lehet egy url (nyilvános cím vagy base64-kódolt adat) vagy egy feltöltött fájl file_id-je.

{"custom_id": "edit-001", "method": "POST", "url": "/v1/images/edits", "body": {"model": "grok-imagine-image-2.0", "prompt": "Cseréld le a hátteret egyszínű fehér háttérre", "image": {"url": "https://example.com/photo.jpg"}}}

Kötegelt módban a szerkesztés segít egy katalógus feldolgozásában: háttérharmonizálás, elemek hozzáadása vagy ugyanazon retusálás alkalmazása száznyi vizuális anyagon.

Kötegelt videógenerálás

A /v1/videos/generations (vagy /v1/videos) végpont 1–15 másodperces videókat generál (duration, alapértelmezetten 8), 480p, 720p vagy 1080p felbontásban:

{"custom_id": "vid-001", "method": "POST", "url": "/v1/videos/generations", "body": {"model": "grok-imagine-video-1.5", "prompt": "Egy oszlopdiagram sima animációja, amely progresszíven növekszik", "duration": 8, "resolution": "720p"}}

A videofeldolgozás igényesebb, mint a szöveg vagy a képek feldolgozása, ezért ezek a kérések hosszabb időt vehetnek igénybe a kötegen belül.

Videoszerkesztés és -hosszabbítás

A /v1/videos/edits végpont egy meglévő videót módosít, míg a /v1/videos/extensions végpont 2–10 másodperces szegmenssel hosszabbítja meg azt. A forrásvideót egy video objektumban add meg (egy .mp4 fájl URL-címe vagy file_id):

{"custom_id": "vid-edit-001", "method": "POST", "url": "/v1/videos/edits", "body": {"model": "grok-imagine-video", "prompt": "Lassítsd le a jelenetet", "video": {"url": "https://example.com/clip.mp4"}}}
{"custom_id": "vid-ext-001", "method": "POST", "url": "/v1/videos/extensions", "body": {"model": "grok-imagine-video", "prompt": "A kamera lassan hátrébb húzódik és felfed egy naplementét", "video": {"url": "https://example.com/clip.mp4"}, "duration": 6}}

A Python SDK használata

Az SDK dedikált metódusokkal készíti elő ezeket a kéréseket, majd ugyanúgy hozzáadja őket a köteghez, mint a szöveges kéréseket:

from xai_sdk import Client

client = Client()
batch = client.batch.create(batch_name="catalog_visuals")

requetes = [
    client.image.prepare(
        prompt="Termékfotó vezeték nélküli fejhallgatóról, sötét háttér, stúdióvilágítás",
        model="grok-imagine-image-2.0",
        batch_request_id="prod-42-img",
    ),
    client.video.prepare(
        prompt="A fejhallgató lassan forog egy lemezjátszón, drámai világítás",
        model="grok-imagine-video-1.5",
        batch_request_id="prod-42-vid",
    ),
]
client.batch.add(batch_id=batch.batch_id, batch_requests=requetes)

Multimodális tartalmak árazása

Fontos tudnivaló: a kötegelt kedvezmény kizárólag a jogosult szöveges modellekre vonatkozik. A képek és videók esetén a szabványos díjazás érvényes, még kötegelt módban is – 2026. november 2-i állapot szerint képalkotásonként 0,04 USD a grok-imagine-image-2.0 esetén (0,02 USD a grok-imagine-image esetében), és videónként másodpercenként 0,08 USD a grok-imagine-video-1.5 esetén (0,02 USD a -lite verzióban, 0,05 USD a grok-imagine-video esetén).

A kötegek előnye a multimodális tartalmaknál nem az árazásban, hanem a működési hatékonyságban rejlik: egyetlen műveletben küldhetsz be száznyi generálási kérést anélkül, hogy annyi hívást kellene kezelned, vagy ütköznél a sebességkorlátokba.

Az eredmény URL-címek lejárata

A kép- és videoeredmények aláírt URL-címekként érkeznak, amelyek egy óra múlva lejárnak. Ez kritikus korlátozás: töltsd le a fájlokat azonnal, amint megkapod az eredményeket.

import mimetypes

import requests


def telecharger_medias(resultats, dossier):
    """Letölti a képeket és videókat az eredmények beérkezésekor."""
    for r in resultats:
        reponse = r.proto.response
        if reponse.HasField("image_response"):
            url = r.image_response.url
        elif reponse.HasField("video_response"):
            url = r.video_response.url
        else:
            continue  # szöveges eredmény
        fichier = requests.get(url, timeout=120)
        fichier.raise_for_status()
        type_mime = fichier.headers.get("Content-Type", "").split(";")[0]
        extension = mimetypes.guess_extension(type_mime) or ".bin"
        with open(f"{dossier}/{r.batch_request_id}{extension}", "wb") as f:
            f.write(fichier.content)

Soha ne tárolj aláírt URL-címeket későbbi felhasználásra: mentsd el a fájlokat a saját tárhelyedre (S3, GCS, helyi lemez).

Vegyes multimodális munkafolyamat

Egy konkrét használati eset: teljes termékleírások (szöveg és vizuális anyag) előállítása ugyanabban a kötegben:

{"custom_id": "prod-42-desc", "method": "POST", "url": "/v1/responses", "body": {"model": "grok-4.3", "input": "Írj egy marketing leírást egy csúcskategóriás vezeték nélküli fejhallgatóhoz.", "max_output_tokens": 300}}
{"custom_id": "prod-42-img", "method": "POST", "url": "/v1/images/generations", "body": {"model": "grok-imagine-image-2.0", "prompt": "Termékfotó prémium vezeték nélküli fejhallgatóról, sötét színátmenetes háttér, stúdióvilágítás"}}

Az azonosítókban használt közös előtag (prod-42-desc, prod-42-img) megkönnyíti ugyanannak a terméknek a szöveges és képi eredményeinek csoportosítását.

Főbb megállapítások

  • A képek (generálás, szerkesztés) és videók (generálás, szerkesztés, hosszabbítás) kötegelt módban is működnek
  • A paraméterek megegyeznek az API-val: aspect_ratio, resolution, image és video objektumok
  • A képek és videók díja szabványos marad, kötegelt kedvezmény nélkül
  • Az aláírt eredmény URL-címek egy óra múlva lejárnak: töltsd le őket azonnal
  • Az azonosítókban használt közös előtag csoportosítja ugyanannak a terméknek az eredményeit