Analiza slike z Grokom
Na tej strani
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 točka | Tip slike | Tip besedila |
|---|---|---|
/v1/responses | input_image | input_text |
/v1/chat/completions | image_url | text |
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_images končno točko/v1/responses - Slike lahko pošlješ prek javnega URL-ja ali v zapisu base64
- Model
grok-4.5podpira analizo slik - Združi sliko in besedilo v nizu, da postaviš vprašanja o vizualni vsebini