Formatų vaizdams nuoroda ir Base64
Šiame puslapyje
Atnaujinta 2026 m. lapkričio 3 d. Naudojant „Responses API“,
input_imageirinput_textobjektai dedami į žinutės{"role": "user", ...}laukącontent, o ne tiesiogiai įinput. Anksčiau „Python“ pavyzdyje klientuixai-sdkbuvo kviečiamas metodasclient.responses.create(), kurio šis klientas neturi, o API raktas buvo įrašytas tiesiai į kodą: dabar naudojami SDK metodaiuser(...)irimage(...), o raktas nuskaitymas iš aplinkos kintamųjų. Pridėtas xAI įspėjimas apie istorijos saugojimą. Kodas patikrintas suxai-sdk1.21.0 versija. Šaltinis: Image Understanding.
Vaizdų siuntimas į „Grok“
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.
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 failamsdata: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_imageį žinutės laukącontent; „Chat Completions“ naudojaimage_urldalis; xAI SDK naudojaimage()funkciją vidujeuser() - Viešiems vaizdams rinkis URL, o vietiniams failams – Base64