Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Analiza slike z Grokom

Lekcija 11 od 14 Posodobljeno 30. julij 2026 Razvijalec
Na tej strani
  1. Računalniški vid z API-jem Grok
  2. Oblika vnosa slike
  3. Primer v Pythonu
  4. Z uporabo formata chat/completions
  5. Pošiljanje slike v zapisu base64
  6. Primeri uporabe v praksi
  7. Modeli s podporo za vid
  8. Ključne ugotovitve

Računalniški vid z API-jem Grok

Modeli Grok s podporo za vid lahko analizirajo slike in besedilo. Pošlješ sliko (prek URL-ja ali v zapisu base64) skupaj z vprašanjem, model pa jo opiše, analizira ali iz nje izvleče vizualne informacije. Ta zmožnost odpira konkretne možnosti: izvleček podatkov iz posnetkov zaslona, analizo grafov, branje optično prebranih dokumentov.

Oblika vnosa slike

Za pošiljanje slike uporabiš polje input, ki vsebuje niz mešane vsebine (besedilo in slika):

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

Tip input_image zahteva javni URL do slike. Tip input_text vsebuje tvoje vprašanje ali navodilo.

Primer v Pythonu

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)

Z uporabo formata chat/completions

Če uporabljaš starejšo končno točko /v1/chat/completions, je format nekoliko drugačen:

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."
                }
            ]
        }
    ]
)

Razlike v formatu

Končna točkaTip slikeTip besedila
/v1/responsesinput_imageinput_text
/v1/chat/completionsimage_urltext

Pošiljanje slike v zapisu base64

Če tvoja slika ni dosegljiva prek URL-ja (lokalna datoteka, generirana slika), jo kodiraj v zapis 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."
        }
    ]
)

Primeri uporabe v praksi

Izvleček podatkov

Pošlji fotografijo računa ali potrdila in zaprosi model, naj izvleče zneske, datume in referenčne številke.

Analiza grafov

Predloži graf ali diagram in zaprosi za razlago trendov ter ključnih številk.

Pomoč pri programiranju

Deli posnetek zaslona z napako v tvojem IDE-ju in zaprosi za razlago ter rešitev.

Opis vmesnika

Pošlji maketo ali posnetek zaslona in zaprosi model, naj opiše elemente vmesnika, ki jih vsebuje.

Modeli s podporo za vid

Ne podpira vsak model Grok vida. Uporabi grok-4.5, ki vključuje podporo za slike. Modeli „Mini” ali „fast” imajo lahko omejeno podporo ali je sploh nimajo.

Ključne ugotovitve

  • Za pošiljanje slik uporabi tip input_image s končno točko /v1/responses
  • Slike lahko pošlješ prek javnega URL-ja ali v zapisu base64
  • Model grok-4.5 podpira analizo slik
  • Združi sliko in besedilo v nizu, da postaviš vprašanja o vizualni vsebini