Analiża stampa ma' Grok
F'din il-paġna
Viżjoni kompjuterizzata mal-API ta’ Grok
Il-mudelli ta’ Grok li jappoġġjaw il-viżjoni jistgħu janalizzaw stampi kif ukoll test. Tibgħat stampa (permezz ta’ URL jew f’base64) flimkien ma’ mistoqsija, u l-mudell jiddeskriviha, janalizzaha, jew joħroġ informazzjoni viżiva. Dik il-kapaċità tiftaħ possibbiltajiet konkreti: estrazzjoni ta’ data minn screenshots, analiżi ta’ grafiċi, u qari ta’ dokumenti skennjati.
Format tal-input tal-immaġni
Biex tibgħat stampa, tuża array ta’ kontenut imħallat (test u immaġni) fil-qasam input:
[
{
"type": "input_image",
"image_url": "https://exemple.com/mon-image.jpg"
},
{
"type": "input_text",
"text": "What do you see in this image?"
}
]
It-tip input_image jieħu URL pubbliku għall-immaġni. It-tip input_text fih il-mistoqsija jew l-istruzzjoni tiegħek.
Eżempju bil-Python
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)
Bil-format chat/completions
Jekk tuża l-endpoint antik /v1/chat/completions, il-format huwa kemxejn differenti:
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."
}
]
}
]
)
Differenzi fil-format
| Endpoint | Tip tal-immaġni | Tip tat-test |
|---|---|---|
/v1/responses | input_image | input_text |
/v1/chat/completions | image_url | text |
Ibgħat immaġni f’base64
Jekk l-immaġni tiegħek ma tkunx aċċessibbli permezz ta’ URL (fajl lokali, immaġni ġġenerata), ikkodifikaha f’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."
}
]
)
Każijiet ta’ użu reali
Estrazzjoni tad-data
Ibgħat ritratt ta’ fattura jew riċevuta u itlob lill-mudell biex joħroġ l-ammonti, id-dati, u n-numri ta’ referenza.
Analiżi tal-grafiċi
Ibgħat grafiku jew dijagramma u itlob interpretazzjoni tax-xejriet u ċ-ċifri ewlenin.
Għajnuna fil-kodiċi
Aqsam screenshot ta’ żball fl-IDE tiegħek u itlob spjegazzjoni u soluzzjoni.
Deskrizzjoni tal-interfaċċja
Ibgħat mockup jew screenshot u itlob lill-mudell biex jiddeskrivi l-elementi tal-interfaċċja li fihom.
Mudelli b’kapaċità ta’ viżjoni
Mhux kull mudell ta’ Grok jappoġġja l-viżjoni. Uża grok-4.5, li jinkludi appoġġ għall-immaġni. Il-mudelli “Mini” jew “fast” jista’ jkollhom appoġġ limitat jew l-ebda wieħed.
Punti Ewlenin
- Uża t-tip
input_imagemal-endpoint/v1/responsesbiex tibgħat stampi - Tista’ tibgħat stampi permezz ta’ URL pubbliku jew ikkodifikati f’base64
- Il-mudell
grok-4.5jappoġġja l-analiżi tal-immaġni - Għaqqad immaġni u test f’array biex tagħmel mistoqsijiet dwar kontenut viżiv