Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Vizija: Analiza slik z Grokom

Lekcija 7 od 12 Posodobljeno 30. julij 2026 Razvijalec
Na tej strani
  1. Razumevanje slik s klepetalnimi dopolnitvami
  2. Pošiljanje slike prek URL-ja
  3. Pošiljanje slike v kodiranju Base64
  4. Ravni podrobnosti: auto, low in high
  5. Analiza več slik
  6. Tehnične omejitve
  7. Ključne ugotovitve

Razumevanje slik s klepetalnimi dopolnitvami

Modeli Grok (začenši z grok-4.5) vključujejo vizualne zmogljivosti, ki ti omogočajo analizo, opisovanje in sklepanje o slikah. To funkcijo uporabljaš prek polja content v obliki seznama, kjer združiš predmete text in image_url.

Primerov uporabe je veliko: ekstrakcija besedila iz optično prebranih dokumentov (OCR), analiza grafikov, opis uporabniških vmesnikov, vizualna primerjava ali razlaga tehničnih diagramov.

Pošiljanje slike prek URL-ja

Najpreprostejši način je, da navedeš javni URL slike:

from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("XAI_API_KEY"),
    base_url="https://api.x.ai/v1"
)

response = client.chat.completions.create(
    model="grok-4.20-0309-reasoning",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Describe what you see in this image."},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://example.com/photo-architecture.jpg",
                        "detail": "high"
                    }
                }
            ]
        }
    ]
)

print(response.choices[0].message.content)

Strežniki xAI prenesejo sliko ob času zahteve. Slika mora biti javno dostopna.

Pošiljanje slike v kodiranju Base64

Za lokalne ali zasebne slike uporabi kodiranje base64:

import base64

def encode_image(image_path: str) -> str:
    with open(image_path, "rb") as f:
        return base64.b64encode(f.read()).decode("utf-8")

image_data = encode_image("capture-ecran.png")

response = client.chat.completions.create(
    model="grok-4.20-0309-reasoning",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "What text is visible in this screenshot?"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/png;base64,{image_data}"
                    }
                }
            ]
        }
    ]
)

Oblika URL-ja je data:image/{format};base64,{data}, kjer je {format} enak jpeg, jpg ali png.

Ravni podrobnosti: auto, low in high

Parameter detail nadzira ločljivost, pri kateri model analizira sliko:

detail: “low”

{
  "type": "image_url",
  "image_url": {
    "url": "https://example.com/icone.png",
    "detail": "low"
  }
}

Slika se pred analizo pomanjša na nizko ločljivost. To je najhitrejši način in porabi najmanj žetonov. Uporabi ga za preproste slike: ikone, logotipe, osnovne diagrame.

detail: “high”

{
  "type": "image_url",
  "image_url": {
    "url": "https://example.com/document-scan.jpg",
    "detail": "high"
  }
}

Slika se analizira v visoki ločljivosti. Model lahko bere majhno besedilo, prepozna fine podrobnosti in analizira specifična območja. To je priporočeni način za dokumente, posnetke zaslona in podrobne fotografije.

detail: “auto”

Model samodejno izbere raven podrobnosti glede na velikost in kompleksnost slike. To je privzeta vrednost, če parameter izpustiš.

Analiza več slik

V enem sporočilu lahko pošlješ več slik za naloge primerjave ali navzkrižne analize:

response = client.chat.completions.create(
    model="grok-4.20-0309-reasoning",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Compare these two versions of the design. What are the differences?"},
                {"type": "image_url", "image_url": {"url": "https://example.com/v1.png", "detail": "high"}},
                {"type": "image_url", "image_url": {"url": "https://example.com/v2.png", "detail": "high"}}
            ]
        }
    ]
)

Število slik na zahtevo ni omejeno, vendar vsaka slika porabi dodatne žetone.

Tehnične omejitve

Pri uporabi vizije imej v mislih naslednje omejitve:

  • Največja velikost: 20 MiB na sliko
  • Podprti formati: Samo JPG, JPEG in PNG
  • Združljivi modeli: grok-4 in novejši (starejši modeli ne podpirajo vizije)
  • Žetoni: Slike porabijo žetone, ki se prištejejo strošku besedila zahteve

Ključne ugotovitve

  • Vizija uporablja obliko seznama polja content s predmeti image_url
  • Slike lahko pošlješ prek javnega URL-ja ali kodirane v base64
  • Tri ravni podrobnosti: auto (privzeto), low (hitro/varčno) in high (podrobno)
  • Največja velikost 20 MiB na sliko, samo formata JPG in PNG
  • V enem sporočilu lahko pošlješ več slik za primerjave