xAI/grok-4.5-image-to-text

grok-4.5-image-to-text

Coba gratis API Gambar-ke-Teks Grok 4.5 yang didukung oleh X-AI untuk tanya jawab visual, OCR, analisis gambar, dan penalaran multimodal melalui Flaq AI. Ubah gambar menjadi wawasan yang siap digunakan.

Image Chat

Model Grok 4.5 Terkait

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

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

Dokumentasi

Contoh API

JavaScriptPythoncURL

Contoh Pengiriman

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);
    }
  }
}

Contoh Pengiriman

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)

Contoh Pengiriman

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
  }'

Mulai chat baru

Kirim pesan untuk memulai.

Harga Grok 4.5 Image to Text

Parameter	Harga	Harga asli	Diskon

Token: input	$1.8000 per 1 juta token input	$2.0000 per 1 juta token input	90%
Token: output	$5.4000 per 1 juta token output	$6.0000 per 1 juta token output	90%

README

API Grok 4.5 Image-to-Text untuk Pemahaman Visual

API Grok 4.5 Image-to-Text menyediakan cara terfokus untuk menggunakan model multimodal Grok 4.5 dari xAI guna memahami gambar melalui Flaq AI. Kirim gambar yang didukung beserta instruksi teks opsional, lalu terima respons teks berdasarkan konteks visual. Rute Flaq AI saat ini dirancang untuk analisis satu gambar, tanya jawab visual, dan percakapan berbasis gambar tanpa menyiratkan dukungan untuk lampiran file umum atau pembuatan gambar.

Fitur Utama API Grok 4.5 Image-to-Text

Respons Teks Berbasis Gambar: Berikan gambar sebagai konteks dan terima respons bahasa alami yang mendeskripsikan atau menalar konten yang terlihat.
Instruksi Teks Opsional: Tambahkan pertanyaan atau tugas untuk mengarahkan model pada objek, hubungan, detail, atau teks terlihat tertentu dalam gambar.
Alur Kerja Input Satu Gambar: Gunakan satu gambar per permintaan melalui kontrak input yang saat ini disediakan oleh konfigurasi model Flaq AI.
Konteks Pesan Multi-Giliran: Sertakan pesan percakapan terbaru untuk pertanyaan lanjutan dan diskusi berulang seputar konteks visual yang dikirimkan.
Dukungan Streaming Respons: Tampilkan output teks secara progresif dalam antarmuka chat dan analisis yang menerima peristiwa respons.
Kontrol Panjang Output: Batasi panjang respons yang diminta agar sesuai untuk caption ringkas, jawaban terfokus, atau analisis yang lebih terperinci.

Cara Menggunakan API Grok 4.5 Image-to-Text di Flaq AI

Input: Satu gambar yang didukung, dengan instruksi teks opsional yang menjelaskan hal yang harus diperiksa atau dijawab oleh model.
Output: Respons teks berdasarkan gambar yang dikirimkan dan konteks pesan yang menyertainya.
Konteks: Pesan terbaru dapat diberikan untuk mendukung pertanyaan lanjutan dalam jendela percakapan yang dikonfigurasi.
Kontrol: Panjang output maksimum opsional dapat ditetapkan untuk respons yang dihasilkan.
Kemampuan: Deskripsi gambar, tanya jawab visual, bantuan untuk teks yang terlihat, dan analisis berbasis gambar melalui antarmuka chat yang dikonfigurasi.

Kasus Penggunaan Terbaik untuk Integrasi API Grok 4.5 Image-to-Text

Tinjauan Konten Visual: Buat deskripsi atau ringkasan awal dari gambar yang dikirimkan untuk alur kerja editorial dan konten.
Tanya Jawab Berbasis Gambar: Izinkan pengguna mengajukan pertanyaan terarah tentang objek, adegan, hubungan, atau detail yang terlihat dalam satu gambar.
Bantuan Teks yang Terlihat: Minta transkripsi atau interpretasi teks yang dapat dibaca sambil tetap mempertahankan tinjauan manusia untuk ekstraksi yang menuntut akurasi tinggi.
Penyortiran Produk dan Aset: Buat deskripsi awal atau kategorikan aset visual berdasarkan informasi yang terlihat dalam gambar.
Penyusunan Konten Aksesibilitas: Buat draf teks alternatif atau deskripsi gambar yang dapat ditinjau dan disempurnakan editor sebelum dipublikasikan.

Catatan Interpretasi gambar dan ekstraksi teks yang terlihat dapat tidak lengkap atau tidak akurat, terutama pada teks kecil, adegan ambigu, gambar berkualitas rendah, atau konten khusus. Tinjau hasil penting sebelum digunakan. Rute ini mendukung satu gambar dan tidak menyediakan input file umum atau pembuatan gambar.

Grok 4.5 Image-to-Text vs Alternatif: Analisis Perbandingan

Grok 4.5 Image-to-Text dibandingkan dengan Grok 4.5 Text-to-Text Image-to-Text menerima konteks visual dan menghasilkan teks, sedangkan Text-to-Text merupakan pilihan yang lebih langsung untuk permintaan tanpa gambar.
Grok 4.5 Image-to-Text vs. OCR Khusus Sistem OCR khusus dibuat secara khusus untuk ekstraksi teks deterministik dan pipeline dokumen. Grok 4.5 dapat membahas konten dan teks yang terlihat sesuai konteks, tetapi tidak boleh dianggap sebagai pengganti OCR yang terjamin untuk kebutuhan dengan akurasi kritis.
Grok 4.5 Image-to-Text vs. Model Caption Gambar Model caption sering kali ditujukan untuk deskripsi singkat. Alur kerja chat multimodal juga dapat merespons pertanyaan yang diberikan pengguna, meskipun kualitas output tetap bergantung pada gambar dan instruksi.
Grok 4.5 Image-to-Text vs. API LLM Multimodal Lainnya API multimodal terkemuka berbeda dalam batas input, perilaku model, latensi, dan fitur platform. Evaluasi API tersebut dengan gambar yang representatif dan kriteria penerimaan khusus tugas sebelum memilih penyedia.
Grok 4.5 Image-to-Text vs. Model Vision yang Di-host Sendiri Model vision yang di-host sendiri memberikan kendali atas deployment, tetapi menambah pekerjaan infrastruktur dan pemeliharaan. Flaq AI menawarkan rute chat satu gambar terkelola bagi tim yang memilih akses ter-host ke Grok 4.5.