Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

Formāti attēliem: URL un Base64

Nodarbība 1 no 12 Atjaunota 2026. gada 3. novembris Iesācējs
Šajā lapā
  1. Attēlu nosūtīšana uz Grok
  2. Tiešā URL
  3. Base64 kodējums (Data URI)
  4. Galvenās atšķirības starp URL un Base64
  5. Teksta un attēlu sajaukšana
  6. Galvenās atziņas

Atjaunināts 2026. gada 3. novembrī. Izmantojot Responses API, objekti input_image un input_text tiek ievietoti ziņojuma {"role": "user", ...} laukā content, nevis tieši laukā input. Iepriekšējais Python piemērs izsauca metodi client.responses.create() klientam xai-sdk, kuram šī metode nepieder, un API atslēga bija ierakstīta kodā: tagad tiek izmantotas SDK funkcijas user(...) un image(...), bet atslēga tiek nolasīta no vides mainīgajiem. Pievienots xAI brīdinājums par vēstures glabāšanu. Kods pārbaudīts ar xai-sdk 1.21.0. Avots: Image Understanding.

Attēlu nosūtīšana uz Grok

Grok analizē attēlu 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.

2
Atbalstītie formāti
20 MiB
Maksimālais izmērs vienam attēlam
JPG/PNG
Pieņemtie formāti
Neierobežots
Attēlu skaits

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 failiem
  • data: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_image ziņojuma laukā content; Chat Completions izmanto daļas image_url; xAI SDK izmanto image() funkcijas ietvaros user()
  • Publiskiem attēliem dod priekšroku URL, bet lokāliem failiem – Base64