Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Analýza obrázka pomocou Grok

Lekcia 11 z 14 Aktualizované 30. júla 2026 Vývojár
Na tejto strane
  1. Počítačové videnie s API Grok
  2. Formát vstupu obrázka
  3. Príklad v Pythone
  4. S formátom chat/completions
  5. Odoslanie obrázka v base64
  6. Reálne prípady použitia
  7. Modely s podporou videnia
  8. Kľúčové poznatky

Počítačové videnie s API Grok

Modely Grok s podporou videnia dokážu analyzovať obrázky rovnako ako text. Odošleš obrázok (cez URL alebo v kódovaní base64) spolu s otázkou a model ho opíše, analyzuje alebo z neho extrahuje vizuálne informácie. Táto schopnosť otvára konkrétne možnosti: extrakcia dát zo snímok obrazovky, analýza grafov alebo čítanie naskenovaných dokumentov.

Formát vstupu obrázka

Na odoslanie obrázka použiješ v poli input pole zmiešaného obsahu (text a obrázok):

[
  {
    "type": "input_image",
    "image_url": "https://exemple.com/mon-image.jpg"
  },
  {
    "type": "input_text",
    "text": "What do you see in this image?"
  }
]

Typ input_image prijíma verejnú URL adresu obrázka. Typ input_text obsahuje tvoju otázku alebo inštrukciu.

Príklad v Pythone

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)

S formátom chat/completions

Ak používaš starší koncový bod /v1/chat/completions, formát sa mierne líši:

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."
                }
            ]
        }
    ]
)

Rozdiely vo formáte

Koncový bodTyp obrázkaTyp textu
/v1/responsesinput_imageinput_text
/v1/chat/completionsimage_urltext

Odoslanie obrázka v base64

Ak nie je tvoj obrázok dostupný cez URL (ide o lokálny súbor alebo vygenerovaný obrázok), zakóduj ho do formátu 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."
        }
    ]
)

Reálne prípady použitia

Extrakcia dát

Odošli fotografiu faktúry alebo bločku a požiadaj model o extrakciu súm, dátumov a referenčných čísel.

Analýza grafov

Predlož graf alebo diagram a požiadaj o interpretáciu trendov a kľúčových čísel.

Pomoc s kódovaním

Zdieľaj snímku obrazovky s chybou vo svojom IDE a požiadaj o vysvetlenie a opravu.

Opis rozhrania

Odošli mockup alebo snímku obrazovky a požiadaj model o opis prvkov rozhrania, ktoré obsahuje.

Modely s podporou videnia

Nie každý model Grok podporuje videnie. Použi grok-4.5, ktorý zahrňuje podporu obrázkov. Modely „Mini“ alebo „fast“ môžu mať obmedzenú podporu alebo žiadnu.

Kľúčové poznatky

  • Na odosielanie obrázkov použij typ input_image s koncovým bodom /v1/responses
  • Obrázky môžeš odosielať cez verejnú URL alebo v kódovaní base64
  • Model grok-4.5 podporuje analýzu obrázkov
  • Skombinuj obrázok a text v poli, aby si mohol klásť otázky týkajúce sa vizuálneho obsahu