Analizați o imagine cu Grok
Pe această pagină
Viziune computerizată cu API-ul Grok
Modelele Grok cu suport pentru viziune pot analiza imagini la fel de bine ca și textul. Trimiteți o imagine (prin URL sau în format base64) împreună cu o întrebare, iar modelul o va descrie, analiza sau extrage informații vizuale din ea. Această capacitate deschide posibilități concrete: extragerea datelor din capturi de ecran, analiza graficelor, citirea documentelor scanate.
Formatul de intrare pentru imagine
Pentru a trimite o imagine, utilizați un tablou cu conținut mixt (text și imagine) în câmpul input:
[
{
"type": "input_image",
"image_url": "https://exemple.com/mon-image.jpg"
},
{
"type": "input_text",
"text": "What do you see in this image?"
}
]
Tipul input_image preia un URL public către imagine. Tipul input_text conține întrebarea sau instrucțiunea dumneavoastră.
Exemplu în 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)
Cu formatul chat/completions
Dacă utilizați endpoint-ul legacy /v1/chat/completions, formatul este ușor diferit:
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."
}
]
}
]
)
Diferențe de format
| Endpoint | Tip imagine | Tip text |
|---|---|---|
/v1/responses | input_image | input_text |
/v1/chat/completions | image_url | text |
Trimiterea unei imagini în base64
Dacă imaginea dumneavoastră nu este accesibilă prin URL (un fișier local, o imagine generată), codificați-o în 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."
}
]
)
Cazuri de utilizare reale
Extragerea datelor
Trimiteți o fotografie a unei facturi sau a unui bon și cereți modelului să extragă sumele, datele și numerele de referință.
Analiza graficelor
Trimiteți un grafic sau o diagramă și cereți o interpretare a tendințelor și a cifrelor cheie.
Asistență pentru codare
Partajați o captură de ecran cu o eroare din IDE-ul dumneavoastră și cereți o explicație și o soluție.
Descrierea interfeței
Trimiteți un mockup sau o captură de ecran și cereți modelului să descrie elementele de interfață pe care le conține.
Modele capabile de viziune
Nu fiecare model Grok suportă viziunea. Utilizați grok-4.5, care include suport pentru imagini. Modelele „Mini“ sau „fast“ pot avea un suport limitat sau deloc.
Puncte cheie
- Utilizați tipul
input_imagecu endpoint-ul/v1/responsespentru a trimite imagini - Puteți trimite imagini prin URL public sau codificate în base64
- Modelul
grok-4.5suportă analiza imaginilor - Combinați imaginea și textul într-un tablou pentru a pune întrebări despre conținutul vizual