Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Formáty obrázkov: URL a Base64

Lekcia 1 z 12 Aktualizované 3. novembra 2026 Začiatočník
Na tejto strane
  1. Odosielanie obrázkov modelu Grok
  2. Priame URL
  3. Kódovanie Base64 (Data URI)
  4. Kľúčové rozdiely medzi URL a Base64
  5. Kombinovanie textu a obrázkov
  6. Kľúčové poznatky

Aktualizované 3. novembra 2026. Pri používaní Responses API sa objekty input_image a input_text umiestňujú do poľa content správy {"role": "user", ...}, nie priamo do input. Pôvodný príklad v Pythone volal metódu client.responses.create() na klientovi xai-sdk, ktorá neexistuje, a obsahoval API kľúč priamo v kóde: teraz používa funkcie user(...) a image(...) z SDK, pričom kľúč sa číta z premenných prostredia. Pridané upozornenie xAI na ukladanie histórie. Kód overený s verziou xai-sdk 1.21.0. Zdroj: Image Understanding.

Odosielanie obrázkov modelu Grok

Grok analyzuje obrázok Modely Grok od verzie grok-4.5 vyššie zahŕňajú schopnosti počítačového videnia. Do svojich požiadaviek API môžeš odoslať jeden alebo viacero obrázkov a model ich analyzuje, aby odpovedal na tvoje otázky. Tomuto procesu sa hovorí pochopenie obrazu alebo multimodálne videnie.

Predtým, než sa ponoríš do konkrétnych prípadov použitia, je nevyhnutné osvojiť si dva formáty odovzdávania obrázkov, ktoré podporuje API xAI.

2
Podporované formáty
20 MiB
Maximálna veľkosť na obrázok
JPG/PNG
Akceptované formáty
Neobmedzené
Počet obrázkov

Priame URL

Najjednoduchšou metódou je poskytnutie verejnej URL adresy obrázka. Model si ho automaticky stiahne a analyzuje.

Pri používaní Responses API (hlavný koncový bod):

{
  "model": "grok-4.5",
  "input": [
    {
      "role": "user",
      "content": [
        {
          "type": "input_image",
          "image_url": "https://exemple.com/photo-produit.jpg"
        },
        {
          "type": "input_text",
          "text": "Podrobne opíš tento obrázok."
        }
      ]
    }
  ]
}

xAI odporúča, aby si pri odosielaní obrázkov neukladal históriu požiadaviek a odpovedí na ich serveroch, inak môže požiadavka zlyhať: pri Responses API pridaj parameter "store": false.

Pri používaní Chat Completions API (staršie, kompatibilné s OpenAI):

{
  "model": "grok-4.5",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "image_url",
          "image_url": {
            "url": "https://exemple.com/photo-produit.jpg"
          }
        },
        {
          "type": "text",
          "text": "Podrobne opíš tento obrázok."
        }
      ]
    }
  ]
}

URL adresa musí smerovať na verejne dostupný súbor s obrázkom. Ak je obrázok chránený overením alebo sa nachádza za chránenou CDN, použij namiesto toho formát Base64.

Kódovanie Base64 (Data URI)

Druhý formát spočíva v zakódovaní obrázka priamo do požiadavky ako reťazca Base64 s predponou MIME typu. Toto je ideálna metóda pri práci s lokálnymi obrázkami, snímkami obrazovky alebo dynamicky generovanými súbormi.

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

Predpona data:image/jpeg;base64, informuje model o MIME type obrázka. Uprav ju podľa formátu:

  • data:image/jpeg;base64, pre súbory JPG/JPEG
  • data:image/png;base64, pre súbory PNG

Kódovanie obrázka v Pythone

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}"

Kódovanie v JavaScripte/Node.js

import { readFileSync } from 'fs';

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

Kľúčové rozdiely medzi URL a Base64

Kritérium URL Base64
Veľkosť požiadavky Ľahká (len URL) Ťažká (+33 % oproti pôvodnému súboru)
Prístupnosť Vyžaduje sa verejný obrázok Funguje s akýmkoľvek lokálnym súborom
Latencia Sťahovanie serverom Dáta priamo v požiadavke
Typický prípad použitia Webové obrázky, CDN, cloudové úložisko Lokálne súbory, snímky obrazovky, nahrávania

Kombinovanie textu a obrázkov

Pole content správy akceptuje zmiešané pole objektov input_image a input_text v ľubovoľnom poradí: text a obrázky môžeš voľne striedať. Pri použití natívneho SDK xAI sa rovnaká správa zostavuje pomocou funkcie user(), ktorá akceptuje text a obrázky vytvorené funkciou image() v postupnosti:

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

client = Client()  # kľúč sa číta z XAI_API_KEY

chat = client.chat.create(model="grok-4.5")
chat.append(
    user(
        "Porovnaj tieto dve fotky:",
        image(image_url="https://exemple.com/photo1.jpg", detail="high"),
        image(image_url="https://exemple.com/photo2.jpg", detail="high"),
        "Aké sú hlavné rozdiely?",
    )
)

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

Funkcia image() akceptuje verejnú URL adresu alebo Data URI v formáte Base64.

Kľúčové poznatky

  • Podporované sú dva formáty obrázkov: Priame URL a Base64 (Data URI)
  • Akceptované sú iba formáty JPG, JPEG a PNG
  • Každý obrázok nesmie presiahnuť 20 MiB
  • Počet obrázkov na jednu požiadavku je neobmedzený
  • Responses API umiestňuje input_image do poľa content správy; Chat Completions používa časti image_url; SDK xAI používa image() vnútri user()
  • Pre verejné obrázky uprednostni URL, pre lokálne súbory použij Base64