Analizzare un'immagine con Grok
In questa pagina
Visione artificiale con l’API Grok
I modelli Grok con supporto alla visione possono analizzare sia le immagini che il testo. Invii un’immagine (tramite URL o in base64) insieme a una domanda e il modello la descrive, la analizza o ne estrae le informazioni visive. Questa capacità apre a possibilità concrete: estrazione di dati da screenshot, analisi di grafici, lettura di documenti scannerizzati.
Formato di input per le immagini
Per inviare un’immagine, utilizzi un array di contenuti misti (testo e immagine) nel campo input:
[
{
"type": "input_image",
"image_url": "https://exemple.com/mon-image.jpg"
},
{
"type": "input_text",
"text": "What do you see in this image?"
}
]
Il tipo input_image accetta un URL pubblico dell’immagine. Il tipo input_text contiene la tua domanda o istruzione.
Esempio in Python
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)
Con il formato chat/completions
Se utilizzi l’endpoint legacy /v1/chat/completions, il formato è leggermente diverso:
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."
}
]
}
]
)
Differenze di formato
| Endpoint | Tipo immagine | Tipo testo |
|---|---|---|
/v1/responses | input_image | input_text |
/v1/chat/completions | image_url | text |
Inviare un’immagine in base64
Se la tua immagine non è raggiungibile tramite URL (un file locale, un’immagine generata), codificala in 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."
}
]
)
Casi d’uso reali
Estrazione dati
Invia la foto di una fattura o di uno scontrino e chiedi al modello di estrarre gli importi, le date e i numeri di riferimento.
Analisi di grafici
Sottometti un grafico o un diagramma e richiedi un’interpretazione dei trend e delle cifre chiave.
Supporto alla programmazione
Condividi uno screenshot di un errore nel tuo IDE e chiedi una spiegazione e una soluzione.
Descrizione di interfacce
Invia un mockup o uno screenshot e chiedi al modello di descrivere gli elementi dell’interfaccia che contiene.
Modelli capaci di visione
Non tutti i modelli Grok supportano la visione. Utilizza grok-4.5, che include il supporto alle immagini. I modelli “Mini” o “fast” potrebbero avere un supporto limitato o nullo.
Punti chiave
- Usa il tipo
input_imagecon l’endpoint/v1/responsesper inviare immagini - Puoi inviare immagini tramite URL pubblico o codificate in base64
- Il modello
grok-4.5supporta l’analisi delle immagini - Combina immagine e testo in un array per porre domande sui contenuti visivi