Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Formatų vaizdams nuoroda ir Base64

Paskaita 1 iš 12 Atnaujinta 2026 m. lapkričio 3 d. Pradedantisiems
Šiame puslapyje
  1. Vaizdų siuntimas į „Grok“
  2. Tiesioginė nuoroda (URL)
  3. Base64 koduotė (duomenų URI)
  4. Pagrindiniai skirtumai tarp URL ir Base64
  5. Teksto ir vaizdų maišymas
  6. Svarbiausi punktai

Atnaujinta 2026 m. lapkričio 3 d. Naudojant „Responses API“, input_image ir input_text objektai dedami į žinutės {"role": "user", ...} lauką content, o ne tiesiogiai į input. Anksčiau „Python“ pavyzdyje klientui xai-sdk buvo kviečiamas metodas client.responses.create(), kurio šis klientas neturi, o API raktas buvo įrašytas tiesiai į kodą: dabar naudojami SDK metodai user(...) ir image(...), o raktas nuskaitymas iš aplinkos kintamųjų. Pridėtas xAI įspėjimas apie istorijos saugojimą. Kodas patikrintas su xai-sdk 1.21.0 versija. Šaltinis: Image Understanding.

Vaizdų siuntimas į „Grok“

„Grok“ analizuoja vaizdą Nuo „grok-4.5“ versijos „Grok“ modeliai turi regos gebėjimų. Savo API užklausose gali siųsti vieną ar daugiau vaizdų, o modelis juos išanalizuos, kad atsakytų į tavo klausimus. Tai vadinama vaizdų supratimu arba daugiamodaline rega.

Prieš gilinantės į naudojimo atvejus, būtina įvaldyti du vaizdų pateikimo formatus, kuriuos palaiko xAI API.

2
Palaikomi formatai
20 MiB
Maksimalus dydis vienam vaizdui
JPG/PNG
Priimtini formatai
Neribota
Vaizdų skaičius

Tiesioginė nuoroda (URL)

Paprastiausias būdas – pateikti viešą vaizdo nuorodą. Modelis jį automatiškai atsisiųs ir išanalizuos.

Naudojant „Responses API“ (pagrindinis galinis taškas):

{
  "model": "grok-4.5",
  "input": [
    {
      "role": "user",
      "content": [
        {
          "type": "input_image",
          "image_url": "https://exemple.com/photo-produit.jpg"
        },
        {
          "type": "input_text",
          "text": "Išsamiai aprašyk šį vaizdą."
        }
      ]
    }
  ]
}

xAI rekomenduoja siunčiant vaizdus nesaugoti užklausų ir atsakymų istorijos jų serveriuose, kitaip užklausa gali nepavykti: naudodamas „Responses API“, perduok "store": false.

Naudojant „Chat Completions API“ (senesnis, suderinamas su „OpenAI“):

{
  "model": "grok-4.5",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "image_url",
          "image_url": {
            "url": "https://exemple.com/photo-produit.jpg"
          }
        },
        {
          "type": "text",
          "text": "Išsamiai aprašyk šį vaizdą."
        }
      ]
    }
  ]
}

Nuoroda turi rodyti į viešai pasiekiamą vaizdo failą. Jei vaizdas apsaugotas autentifikavimu arba yra apsaugotame CDN, vietoj to naudok Base64 formatą.

Base64 koduotė (duomenų URI)

Antrasis formatas apima vaizdo kodavimą tiesiai į užklausą kaip Base64 eilutę, prieš kurią eina MIME priešdėlis. Tai idealus būdas dirbant su vietiniais vaizdais, ekrano kopijomis arba dinamiškai generuojamais failais.

{
  "type": "input_image",
  "image_url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQ..."
}

Priešdėlis data:image/jpeg;base64, nurodo modeliui vaizdo MIME tipą. Pakoreguok jį pagal formatą:

  • data:image/jpeg;base64, – JPG/JPEG failams
  • data:image/png;base64, – PNG failams

Vaizdo kodavimas naudojant „Python“

import base64

with open("photo.jpg", "rb") as f:
    image_data = base64.standard_b64encode(f.read()).decode("utf-8")

image_url = f"data:image/jpeg;base64,{image_data}"

Kodavimas naudojant „JavaScript/Node.js“

import { readFileSync } from 'fs';

const imageData = readFileSync('photo.jpg').toString('base64');
const imageUrl = `data:image/jpeg;base64,${imageData}`;

Pagrindiniai skirtumai tarp URL ir Base64

Kriterijus URL Base64
Užklausos dydis Lengvas (tik nuoroda) Sunkus (+33 %, palyginti su originaliu failu)
Prieinamumas Reikalingas viešas vaizdas Veikia su bet kuriuo vietiniu failu
Vėlavimas (Latency) Serverio atsisiuntimas Duomenys tiesiai užklausoje
Tipinis naudojimo atvejis Tinklo vaizdai, CDN, debesijos saugykla Vietiniai failai, ekrano kopijos, įkėlimai

Teksto ir vaizdų maišymas

Žinutės laukas content priima mišrų input_image ir input_text objektų masyvą bet kokia tvarka: tekstą ir vaizdus gali laisvai keisti vietomis. Naudojant vietinį xAI SDK, ta pati žinutė kuriama su user(), kuris priima tekstą ir vaizdus, sukurtus image() metodu, iš eilės:

from xai_sdk import Client
from xai_sdk.chat import image, user

client = Client()  # raktas nuskaitymas iš XAI_API_KEY

chat = client.chat.create(model="grok-4.5")
chat.append(
    user(
        "Palygink šias dvi nuotraukas:",
        image(image_url="https://exemple.com/photo1.jpg", detail="high"),
        image(image_url="https://exemple.com/photo2.jpg", detail="high"),
        "Kokie yra pagrindiniai skirtumai?",
    )
)

response = chat.sample()
print(response.content)

image() priima viešą URL arba Base64 duomenų URI.

Svarbiausi punktai

  • Palaikomi du vaizdų formatai: tiesioginė nuoroda (URL) ir Base64 (duomenų URI)
  • Priimtini tik JPG, JPEG ir PNG formatai
  • Kiekvienas vaizdas negali viršyti 20 MiB
  • Vaizdų skaičius vienoje užklausoje yra neribotas
  • „Responses API“ deda input_image į žinutės lauką content; „Chat Completions“ naudoja image_url dalis; xAI SDK naudoja image() funkciją viduje user()
  • Viešiems vaizdams rinkis URL, o vietiniams failams – Base64