Salt la conținutul principal
Română— Alege o limbă
Meniu

Formate de imagine: URL și Base64

Lecția 1 din 12 Actualizată 3 noiembrie 2026 Începător
Pe această pagină
  1. Trimiterea imaginilor către Grok
  2. URL Direct
  3. Codificat Base64 (Data URI)
  4. Diferențe cheie între URL și Base64
  5. Combinarea textului și a imaginilor
  6. Puncte cheie

Actualizat la 3 noiembrie 2026. Odată cu API-ul Responses, obiectele input_image și input_text se plasează în câmpul content al unui mesaj de tip {"role": "user", ...}, nu direct în input. Exemplul Python anterior apela client.responses.create() pe clientul xai-sdk, metodă care nu există, și scria cheia API direct în cod: acum folosește funcțiile user(...) și image(...) din SDK, iar cheia este citită din variabilele de mediu. S-a adăugat avertismentul xAI privind stocarea istoricului. Cod verificat cu xai-sdk 1.21.0. Sursă: Image Understanding.

Trimiterea imaginilor către Grok

Grok analizând o imagine Modelele Grok, începând cu versiunea grok-4.5, includ capacități de viziune. Puteți trimite una sau mai multe imagini în cererile API, iar modelul le va analiza pentru a răspunde întrebărilor dumneavoastră. Această funcționalitate se numește înțelegerea imaginilor sau viziune multimodală.

Înainte de a explora cazurile de utilizare, este esențial să stăpâniți cele două formate de trimitere a imaginilor suportate de API-ul xAI.

2
Formate suportate
20 MiB
Dimensiune maximă per imagine
JPG/PNG
Formate acceptate
Nelimitat
Număr de imagini

URL Direct

Cea mai simplă metodă constă în furnizarea URL-ului public al unei imagini. Modelul o va descărca și analiza automat.

Cu API-ul Responses (endpoint-ul principal):

{
  "model": "grok-4.5",
  "input": [
    {
      "role": "user",
      "content": [
        {
          "type": "input_image",
          "image_url": "https://exemple.com/photo-produit.jpg"
        },
        {
          "type": "input_text",
          "text": "Descrieți această imagine în detaliu."
        }
      ]
    }
  ]
}

xAI recomandă ca, atunci când trimiteți imagini, să nu stocați istoricul cererilor și răspunsurilor pe serverele lor, altfel cererea poate eșua: cu API-ul Responses, transmiteți "store": false.

Cu API-ul Chat Completions (vechi, compatibil OpenAI):

{
  "model": "grok-4.5",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "image_url",
          "image_url": {
            "url": "https://exemple.com/photo-produit.jpg"
          }
        },
        {
          "type": "text",
          "text": "Descrieți această imagine în detaliu."
        }
      ]
    }
  ]
}

URL-ul trebuie să indice un fișier imagine accesibil public. Dacă imaginea este protejată prin autentificare sau se află pe un CDN privat, utilizați în schimb formatul Base64.

Codificat Base64 (Data URI)

Al doilea format implică codificarea imaginii direct în cerere sub formă de șir Base64, precedat de un prefix MIME. Aceasta este metoda ideală atunci când lucrați cu imagini locale, capturi de ecran sau fișiere generate dinamic.

{
  "type": "input_image",
  "image_url": "data:image/jpeg;base64,/9j/4AAQSkZJRgABAQ..."
}

Prefixul data:image/jpeg;base64, indică modelului tipul MIME al imaginii. Ajustați-l în funcție de format:

  • data:image/jpeg;base64, pentru fișiere JPG/JPEG
  • data:image/png;base64, pentru fișiere PNG

Codificarea unei imagini în 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}"

Codificarea în JavaScript/Node.js

import { readFileSync } from 'fs';

const imageData = readFileSync('photo.jpg').toString('base64');
const imageUrl = `data:image/jpeg;base64,${imageData}`;

Diferențe cheie între URL și Base64

Criteriu URL Base64
Dimensiunea cererii Ușoară (doar URL-ul) Grea (+33% față de fișierul original)
Accesibilitate Necesită imagine publică Funcționează cu orice fișier local
Latență Descărcare de pe server Date direct în cerere
Caz de utilizare tipic Imagini web, CDN, stocare în cloud Fișiere locale, capturi de ecran, încărcări

Combinarea textului și a imaginilor

Câmpul content al unui mesaj acceptă un tablou mixt de obiecte input_image și input_text, în orice ordine: puteți alterna liber textul și imaginile. Cu SDK-ul nativ xAI, același mesaj se construiește cu user(), care acceptă text și imagini create de image() în secvență:

from xai_sdk import Client
from xai_sdk.chat import image, user

client = Client()  # cheia citită din XAI_API_KEY

chat = client.chat.create(model="grok-4.5")
chat.append(
    user(
        "Comparați aceste două fotografii:",
        image(image_url="https://exemple.com/photo1.jpg", detail="high"),
        image(image_url="https://exemple.com/photo2.jpg", detail="high"),
        "Care sunt diferențele principale?",
    )
)

response = chat.sample()
print(response.content)

Funcția image() acceptă un URL public sau un Data URI Base64.

Puncte cheie

  • Sunt suportate două formate de imagine: URL Direct și Base64 (Data URI)
  • Formatele acceptate sunt exclusiv JPG, JPEG și PNG
  • Fiecare imagine nu trebuie să depășească 20 MiB
  • Numărul de imagini per cerere este nelimitat
  • API-ul Responses plasează input_image în câmpul content al unui mesaj; Chat Completions folosește părți de tip image_url; SDK-ul xAI folosește image() în interiorul lui user()
  • Preferați URL-ul pentru imaginile publice și Base64 pentru fișierele locale