xAI/grok-4.5-image-to-text

grok-4.5-image-to-text

Essayez gratuitement l'API image-vers-texte Grok 4.5 propulsée par X-AI pour les questions-réponses visuelles, l'OCR, l'analyse d'images et le raisonnement multimodal via Flaq AI.

Image Chat

Modèles Grok 4.5 associés

grok-4.5-text-to-texttext-to-text

grok-4.5-image-to-textimage-to-text

Documentation

Exemples d'API

JavaScriptPythoncURL

Exemple d'envoi

const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer YOUR_API_KEY',
    Accept: 'text/event-stream',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'grok-4.5-image-to-text',
    messages: [
      {
        role: 'user',
        content: [
          { type: 'text', text: 'Describe the image and extract any visible text.' },
          {
            type: 'image_url',
            image_url: {
              url: 'https://example.com/sample-image.jpg'
            }
          }
        ]
      }
    ],
    stream: true,
    max_tokens: 2048
  })
});

const reader = response.body.getReader();
const decoder = new TextDecoder();
let buffer = '';
let assistantText = '';

while (true) {
  const { done, value } = await reader.read();
  if (done) break;

  buffer += decoder.decode(value, { stream: true });
  const frames = buffer.split('\n\n');
  buffer = frames.pop() || '';

  for (const frame of frames) {
    const lines = frame.split('\n').filter(Boolean);
    let eventName = 'message';
    const dataLines = [];

    for (const line of lines) {
      if (line.startsWith('event:')) {
        eventName = line.slice(6).trim();
      } else if (line.startsWith('data:')) {
        dataLines.push(line.replace(/^data:\s*/, ''));
      }
    }

    const raw = dataLines.join('\n').trim();
    if (raw === '[DONE]') {
      console.log('\nFinal text:', assistantText);
      continue;
    }

    let payload;
    try {
      payload = JSON.parse(raw);
    } catch {
      continue;
    }

    if (eventName === 'error' || payload.error) {
      const msg = payload.error?.message ?? payload.message ?? 'Chat request failed';
      throw new Error(msg);
    }

    const delta = payload.choices?.[0]?.delta;
    if (delta?.content) {
      assistantText += delta.content;
      console.log(assistantText);
    }
  }
}

Exemple d'envoi

import json
import requests

response = requests.post(
    'https://api.flaq.ai/api/v1/chat/completions',
    headers={
        'Authorization': 'Bearer YOUR_API_KEY',
        'Accept': 'text/event-stream',
        'Content-Type': 'application/json',
    },
    json={
        'model': 'grok-4.5-image-to-text',
        'messages': [
            {
                'role': 'user',
                'content': [
                    {'type': 'text', 'text': 'Describe the image and extract any visible text.'},
                    {
                        'type': 'image_url',
                        'image_url': {
                            'url': 'https://example.com/sample-image.jpg'
                        }
                    },
                ],
            }
        ],
        'stream': True,
        'max_tokens': 2048,
    },
    stream=True,
)

response.raise_for_status()

event_name = 'message'
assistant_text = ''

for raw_line in response.iter_lines(decode_unicode=True):
    if not raw_line:
        event_name = 'message'
        continue

    if raw_line.startswith('event:'):
        event_name = raw_line.replace('event:', '', 1).strip()
        continue

    if raw_line.startswith('data:'):
        raw_data = raw_line.replace('data:', '', 1).strip()
        if raw_data == '[DONE]':
            print('\nFinal text:', assistant_text)
            continue

        payload = json.loads(raw_data)

        if event_name == 'error' or payload.get('error'):
            error = payload.get('error') or payload
            raise RuntimeError(error.get('message', 'Chat request failed'))

        choices = payload.get('choices') or []
        if choices:
            delta = choices[0].get('delta') or {}
            content = delta.get('content')
            if content:
                assistant_text += content
                print(content, end='', flush=True)

Exemple d'envoi

curl -N -X POST "https://api.flaq.ai/api/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Accept: text/event-stream" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-4.5-image-to-text",
    "messages": [
      {
        "role": "user",
        "content": [
          { "type": "text", "text": "Describe the image and extract any visible text." },
          {
            "type": "image_url",
            "image_url": {
              "url": "https://example.com/sample-image.jpg"
            }
          }
        ]
      }
    ],
    "stream": true,
    "max_tokens": 2048
  }'

Démarrer un nouveau chat

Envoyez un message pour commencer.

Tarifs de Grok 4.5 Image to Text

Paramètres	Prix	Prix d’origine	Remise

Jeton: input	$1.8000 par 1 M de jetons d’entrée	$2.0000 par 1 M de jetons d’entrée	90%
Jeton: output	$5.4000 par 1 M de jetons de sortie	$6.0000 par 1 M de jetons de sortie	90%

README

API Grok 4.5 Image-to-Text pour la compréhension visuelle

L'API Grok 4.5 Image-to-Text offre un moyen ciblé d'utiliser le modèle multimodal Grok 4.5 de xAI pour comprendre les images via Flaq AI. Envoyez une image prise en charge avec une instruction textuelle facultative et recevez une réponse textuelle fondée sur le contexte visuel. La route Flaq AI actuelle est conçue pour l'analyse d'une seule image, la réponse aux questions visuelles et les conversations fondées sur les images, sans suggérer la prise en charge de pièces jointes générales ni de la génération d'images.

Principales fonctionnalités de l'API Grok 4.5 Image-to-Text

Réponses textuelles fondées sur des images : Fournissez une image comme contexte et recevez une réponse en langage naturel qui décrit ou analyse le contenu visible.
Instructions textuelles facultatives : Ajoutez une question ou une tâche afin d'orienter le modèle vers des objets, des relations, des détails ou du texte visible particuliers dans l'image.
Processus d'entrée à image unique : Utilisez une image par requête au moyen du contrat d'entrée actuellement exposé par la configuration du modèle Flaq AI.
Contexte de messages à plusieurs tours : Incluez les messages récents de la conversation pour les questions de suivi et les échanges itératifs autour du contexte visuel envoyé.
Prise en charge des réponses en streaming : Affichez progressivement la sortie textuelle dans les interfaces de chat et d'analyse qui traitent les événements de réponse.
Contrôle de la longueur de sortie : Limitez la longueur de réponse demandée pour l'adapter à des légendes concises, des réponses ciblées ou des analyses plus détaillées.

Comment utiliser l'API Grok 4.5 Image-to-Text sur Flaq AI

Entrée : Une image prise en charge, avec des instructions textuelles facultatives qui précisent ce que le modèle doit examiner ou à quoi il doit répondre.
Sortie : Une réponse textuelle fondée sur l'image envoyée et le contexte de messages qui l'accompagne.
Contexte : Des messages récents peuvent être fournis pour permettre les questions de suivi dans la fenêtre de conversation configurée.
Contrôles : Une longueur de sortie maximale facultative peut être définie pour la réponse générée.
Capacités : Description d'images, réponse aux questions visuelles, assistance relative au texte visible et analyse fondée sur les images via l'interface de chat configurée.

Meilleurs cas d'usage pour l'intégration de l'API Grok 4.5 Image-to-Text

Révision de contenu visuel : Générez une première description ou un résumé d'une image envoyée pour les processus éditoriaux et de contenu.
Réponse aux questions fondées sur des images : Permettez aux utilisateurs de poser des questions ciblées sur les objets, les scènes, les relations ou les détails visibles dans une image.
Assistance relative au texte visible : Demandez la transcription ou l'interprétation du texte lisible tout en maintenant une révision humaine pour les extractions où la précision est essentielle.
Évaluation préliminaire des produits et ressources : Créez des descriptions préliminaires ou classez des ressources visuelles d'après les informations visibles dans l'image.
Rédaction pour l'accessibilité : Produisez des brouillons de texte alternatif ou de descriptions d'images que les éditeurs peuvent vérifier et affiner avant publication.

Remarque Les interprétations d'images et l'extraction du texte visible peuvent être incomplètes ou imprécises, notamment en présence de petits caractères, de scènes ambiguës, d'images de faible qualité ou de contenu spécialisé. Vérifiez les résultats importants avant de les utiliser. Cette route prend en charge une image et ne fournit ni entrée de fichiers généraux ni génération d'images.

Grok 4.5 Image-to-Text face aux alternatives : analyse comparative

Grok 4.5 Image-to-Text face à Grok 4.5 Text-to-Text Image-to-Text accepte un contexte visuel et renvoie du texte, tandis que Text-to-Text constitue le choix le plus direct pour les requêtes qui ne contiennent aucune image.
Grok 4.5 Image-to-Text face aux solutions OCR spécialisées Les systèmes OCR spécialisés sont conçus pour l'extraction déterministe de texte et les pipelines documentaires. Grok 4.5 peut analyser le contenu visible et le texte en contexte, mais il ne doit pas être considéré comme un substitut garanti à l'OCR lorsque la précision est essentielle.
Grok 4.5 Image-to-Text face aux modèles de légendage d'images Les modèles de légendage ciblent souvent des descriptions courtes. Un processus de chat multimodal peut également répondre à une question fournie par l'utilisateur, même si la qualité de la sortie reste tributaire de l'image et de l'instruction.
Grok 4.5 Image-to-Text face aux autres API de LLM multimodaux Les principales API multimodales se distinguent par leurs limites d'entrée, le comportement du modèle, la latence et les fonctionnalités de leur plateforme. Évaluez-les avec des images représentatives et des critères d'acceptation propres à la tâche avant de choisir un fournisseur.
Grok 4.5 Image-to-Text face aux modèles de vision auto-hébergés Les modèles de vision auto-hébergés offrent un contrôle sur le déploiement, mais ajoutent du travail d'infrastructure et de maintenance. Flaq AI propose une route de chat gérée à image unique aux équipes qui préfèrent un accès hébergé à Grok 4.5.