Formāti attēliem: URL un Base64
Šajā lapā
Atjaunināts 2026. gada 3. novembrī. Izmantojot Responses API, objekti
input_imageuninput_texttiek ievietoti ziņojuma{"role": "user", ...}laukācontent, nevis tieši laukāinput. Iepriekšējais Python piemērs izsauca metodiclient.responses.create()klientamxai-sdk, kuram šī metode nepieder, un API atslēga bija ierakstīta kodā: tagad tiek izmantotas SDK funkcijasuser(...)unimage(...), bet atslēga tiek nolasīta no vides mainīgajiem. Pievienots xAI brīdinājums par vēstures glabāšanu. Kods pārbaudīts arxai-sdk1.21.0. Avots: Image Understanding.
Attēlu nosūtīšana uz Grok
Grok modeļi, sākot no grok-4.5, ietver redzes spējas. Savos API pieprasījumos vari nosūtīt vienu vai vairākus attēlus, un modelis tos analizēs, lai atbildētu uz taviem jautājumiem. To sauc par attēlu izpratni jeb multimodālo redzi.
Pirms pāriet pie lietojuma gadījumiem, ir būtiski apgūt divus attēlu nosūtīšanas formātus, ko atbalsta xAI API.
Tiešā URL
Vienkāršākā metode ir norādīt attēla publisko URL. Modelis to automātiski lejupielādēs un analizēs.
Izmantojot Responses API (galvenais galapunkts):
{
"model": "grok-4.5",
"input": [
{
"role": "user",
"content": [
{
"type": "input_image",
"image_url": "https://exemple.com/photo-produit.jpg"
},
{
"type": "input_text",
"text": "Detalizēti apraksti šo attēlu."
}
]
}
]
}
xAI iesaka, nosūtot attēlus, neglabāt pieprasījumu un atbilžu vēsturi savos serveros, pretējā gadījumā pieprasījums var neizdoties: izmantojot Responses API, norādi "store": false.
Izmantojot Chat Completions API (vecā versija, saderīga ar OpenAI):
{
"model": "grok-4.5",
"messages": [
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://exemple.com/photo-produit.jpg"
}
},
{
"type": "text",
"text": "Detalizēti apraksti šo attēlu."
}
]
}
]
}
URL ir jānorāda uz publiski pieejamu attēla failu. Ja attēls ir aizsargāts ar autentifikāciju vai atrodas aizsargātā CDN, tā vietā izmanto Base64 formātu.
Base64 kodējums (Data URI)
Otrs formāts paredz attēla kodēšanu tieši pieprasījumā kā Base64 virkni, kurai priekšā ir MIME prefikss. Šī ir ideālā metode, strādājot ar lokāliem attēliem, ekrānuzņēmumiem vai dinamiski ģenerētiem failiem.
{
"type": "input_image",
"image_url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQ..."
}
Prefikss data:image/jpeg;base64, informē modeli par attēla MIME tipu. Pielāgo to atbilstoši formātam:
data:image/jpeg;base64,JPG/JPEG failiemdata:image/png;base64,PNG failiem
Attēla kodēšana Python valodā
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}"
Kodēšana JavaScript/Node.js vidē
import { readFileSync } from 'fs';
const imageData = readFileSync('photo.jpg').toString('base64');
const imageUrl = `data:image/jpeg;base64,${imageData}`;
Galvenās atšķirības starp URL un Base64
| Kritērijs | URL | Base64 |
|---|---|---|
| Pieprasījuma lielums | Viegls (tikai URL) | Smags (+33% salīdzinājumā ar oriģinālo failu) |
| Pieejamība | Nepieciešams publisks attēls | Darbojas ar jebkuru lokālo failu |
| Latence | Servera lejupielāde | Dati tieši pieprasījumā |
| Tipisks lietojums | Tīmekļa attēli, CDN, mākoņkrātuve | Lokālie faili, ekrānuzņēmumi, augšupielādes |
Teksta un attēlu sajaukšana
Ziņojuma lauks content pieņem jauktu masīvu ar objektiem input_image un input_text jebkurā secībā: vari brīvi mainīt tekstu un attēlus. Izmantojot natīvo xAI SDK, tas pats ziņojums tiek veidots ar user(), kas secībā pieņem tekstu un attēlus, ko izveidojusi funkcija image():
from xai_sdk import Client
from xai_sdk.chat import image, user
client = Client() # atslēga tiek nolasīta no XAI_API_KEY
chat = client.chat.create(model="grok-4.5")
chat.append(
user(
"Salīdzini šīs divas fotogrāfijas:",
image(image_url="https://exemple.com/photo1.jpg", detail="high"),
image(image_url="https://exemple.com/photo2.jpg", detail="high"),
"Kādas ir galvenās atšķirības?",
)
)
response = chat.sample()
print(response.content)
Funkcija image() pieņem publisku URL vai Base64 Data URI.
Galvenās atziņas
- Tiek atbalstīti divi attēlu formāti: tiešā URL un Base64 (Data URI)
- Pieņemti ir tikai formāti JPG, JPEG un PNG
- Katra attēla izmērs nedrīkst pārsniegt 20 MiB
- Attēlu skaits vienā pieprasījumā ir neierobežots
- Responses API ievieto
input_imageziņojuma laukācontent; Chat Completions izmanto daļasimage_url; xAI SDK izmantoimage()funkcijas ietvarosuser() - Publiskiem attēliem dod priekšroku URL, bet lokāliem failiem – Base64