Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Analizuokite vaizdą naudodami Grok

Paskaita 11 iš 14 Atnaujinta 2026 m. liepos 30 d. Kūrėjas
Šiame puslapyje
  1. Kompiuterinė rega naudojant Grok API
  2. Vaizdo įvesties formatas
  3. Python pavyzdys
  4. Naudojant chat/completions formatą
  5. Vaizdo siuntimas „base64“ formatu
  6. Realūs naudojimo atvejai
  7. Vaizdus palaikantys modeliai
  8. Svarbiausi punktai

Kompiuterinė rega naudojant Grok API

Grok modeliai, palaikantys vaizdų analizę, gali apdoroti ne tik tekstą, bet ir paveikslėlius. Siunčiate vaizdą (per URL arba „base64“ formatu) kartu su klausimu, o modelis jį aprašo, analizuoja arba iš jo ištraukia vizualinę informaciją. Ši galimybė atveria konkrečias perspektyvas: duomenų išgavimą iš ekrano kopijų, diagramų analizę, nuskaitytų dokumentų skaitymą.

Vaizdo įvesties formatas

Norėdami siųsti vaizdą, lauke input naudokite mišraus turinio (teksto ir vaizdo) masyvą:

[
  {
    "type": "input_image",
    "image_url": "https://exemple.com/mon-image.jpg"
  },
  {
    "type": "input_text",
    "text": "What do you see in this image?"
  }
]

Tipas input_image priima viešą vaizdo URL adresą. Tipas input_text turi jūsų klausimą arba instrukciją.

Python pavyzdys

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)

Naudojant chat/completions formatą

Jei naudojate senesnį /v1/chat/completions galinį tašką, formatas šiek tiek skiriasi:

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."
                }
            ]
        }
    ]
)

Formato skirtumai

Galinis taškasVaizdo tipasTeksto tipas
/v1/responsesinput_imageinput_text
/v1/chat/completionsimage_urltext

Vaizdo siuntimas „base64“ formatu

Jei jūsų vaizdas nepasiekiamas per URL (vietinis failas, sugeneruotas vaizdas), užkoduokite jį „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."
        }
    ]
)

Realūs naudojimo atvejai

Duomenų išgavimas

Nusiųskite sąskaitos faktūros arba čekio nuotrauką ir paprašykite modelio išgauti sumas, datas ir nuorodų numerius.

Diagramų analizė

Pateikite diagramą ar schemą ir paprašykite interpretuoti tendencijas bei pagrindinius rodiklius.

Pagalba programuojant

Pasidalinkite ekrano kopija su klaida savo IDE ir paprašykite paaiškinimo bei sprendimo būdo.

Sąsajos aprašymas

Nusiųskite maketą arba ekrano kopiją ir paprašykite modelio aprašyti joje esančius sąsajos elementus.

Vaizdus palaikantys modeliai

Ne visi Grok modeliai palaiko vaizdų analizę. Naudokite grok-4.5, kuris turi vaizdų palaikymą. „Mini“ arba „fast“ modeliai gali turėti ribotą palaikymą arba jo neturėti iš viso.

Svarbiausi punktai

  • Naudokite tipą input_image su galiniu tašku /v1/responses vaizdams siųsti
  • Vaizdus galite siųsti naudodami viešą URL arba užkoduotus „base64“ formatu
  • Modelis grok-4.5 palaiko vaizdų analizę
  • Derinkite vaizdą ir tekstą masyve, kad galėtumėte užduoti klausimus apie vizualinį turinį