xAI/grok-4.5-image-to-text

grok-4.5-image-to-text

Prova gratuitamente l'API Grok 4.5 Image-to-Text basata su X-AI per domande e risposte visive, OCR, analisi delle immagini e ragionamento multimodale tramite Flaq AI.

Image Chat

Modelli Grok 4.5 correlati

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

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

Documentazione

Esempi API

JavaScriptPythoncURL

Esempio di invio

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);
    }
  }
}

Esempio di invio

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)

Esempio di invio

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
  }'

Avvia una nuova chat

Invia un messaggio per iniziare.

Prezzi di Grok 4.5 Image to Text

Parametri	Prezzo	Prezzo originale	Sconto

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

README

API Grok 4.5 Image-to-Text per la Comprensione Visiva

L'API Grok 4.5 Image-to-Text offre un modo mirato per utilizzare il modello multimodale Grok 4.5 di xAI per la comprensione delle immagini tramite Flaq AI. Invia un'immagine supportata con un'istruzione testuale opzionale e ricevi una risposta di testo basata sul contesto visivo. L'attuale percorso di Flaq AI è progettato per l'analisi di una singola immagine, le domande e risposte visive e le conversazioni basate sulle immagini, senza implicare il supporto di allegati di file generici o della generazione di immagini.

Funzionalità Principali dell'API Grok 4.5 Image-to-Text

Risposte Testuali Basate sulle Immagini: Fornisci un'immagine come contesto e ricevi una risposta in linguaggio naturale che descrive o analizza il contenuto visibile.
Istruzioni Testuali Opzionali: Aggiungi una domanda o un'attività per indirizzare il modello verso particolari oggetti, relazioni, dettagli o testo visibile nell'immagine.
Flusso di Lavoro con Input di una Singola Immagine: Utilizza un'immagine per richiesta tramite il contratto di input attualmente esposto dalla configurazione del modello Flaq AI.
Contesto dei Messaggi Multi-Turno: Includi i messaggi recenti della conversazione per domande di approfondimento e discussioni iterative sul contesto visivo inviato.
Supporto delle Risposte in Streaming: Visualizza progressivamente l'output testuale nelle interfacce di chat e analisi che ricevono eventi di risposta.
Controllo della Lunghezza dell'Output: Limita la lunghezza della risposta richiesta in base a didascalie concise, risposte mirate o analisi più dettagliate.

Come Utilizzare l'API Grok 4.5 Image-to-Text su Flaq AI

Input: Un'immagine supportata, con istruzioni testuali opzionali che indicano ciò che il modello deve esaminare o a cui deve rispondere.
Output: Una risposta di testo basata sull'immagine inviata e sul contesto dei messaggi associato.
Contesto: È possibile fornire i messaggi recenti per supportare domande di approfondimento all'interno della finestra di conversazione configurata.
Controlli: È possibile impostare una lunghezza massima opzionale dell'output per la risposta generata.
Funzionalità: Descrizione di immagini, domande e risposte visive, assistenza sul testo visibile e analisi basata sulle immagini tramite l'interfaccia chat configurata.

Migliori Casi d'Uso per l'Integrazione dell'API Grok 4.5 Image-to-Text

Revisione di Contenuti Visivi: Genera una descrizione o un riepilogo preliminare di un'immagine inviata per flussi di lavoro editoriali e di contenuto.
Domande e Risposte Basate sulle Immagini: Consenti agli utenti di porre domande mirate su oggetti, scene, relazioni o dettagli visibili in una singola immagine.
Assistenza sul Testo Visibile: Richiedi la trascrizione o l'interpretazione del testo leggibile, mantenendo la revisione umana per le estrazioni che richiedono un'elevata accuratezza.
Classificazione Preliminare di Prodotti e Risorse: Crea descrizioni preliminari o classifica le risorse visive in base alle informazioni visibili nell'immagine.
Stesura per l'Accessibilità: Produci bozze di testo alternativo o descrizioni delle immagini che i redattori possono esaminare e perfezionare prima della pubblicazione.

Nota Le interpretazioni delle immagini e l'estrazione del testo visibile possono essere incomplete o imprecise, soprattutto in presenza di testo piccolo, scene ambigue, immagini di bassa qualità o contenuti specialistici. Esamina i risultati importanti prima dell'uso. Questo percorso supporta una sola immagine e non espone input di file generici o la generazione di immagini.

Grok 4.5 Image-to-Text e Alternative: Analisi Comparativa

Grok 4.5 Image-to-Text e Grok 4.5 Text-to-Text Image-to-Text accetta un contesto visivo e restituisce testo, mentre Text-to-Text è la scelta più diretta per le richieste che non contengono immagini.
Grok 4.5 Image-to-Text e OCR Dedicato I sistemi OCR dedicati sono progettati specificamente per l'estrazione deterministica del testo e le pipeline di documenti. Grok 4.5 può esaminare il contenuto e il testo visibili nel loro contesto, ma non deve essere considerato un sostituto garantito dell'OCR per applicazioni in cui l'accuratezza è fondamentale.
Grok 4.5 Image-to-Text e Modelli di Didascalie per Immagini I modelli di generazione di didascalie spesso puntano a descrizioni brevi. Un flusso di lavoro di chat multimodale può anche rispondere a una domanda fornita dall'utente, sebbene la qualità dell'output rimanga dipendente dall'immagine e dall'istruzione.
Grok 4.5 Image-to-Text e Altre API LLM Multimodali Le principali API multimodali differiscono per limiti di input, comportamento del modello, latenza e funzionalità della piattaforma. Valutale con immagini rappresentative e criteri di accettazione specifici dell'attività prima di scegliere un fornitore.
Grok 4.5 Image-to-Text e Modelli di Visione Self-Hosted I modelli di visione self-hosted offrono il controllo del deployment, ma richiedono ulteriore lavoro per l'infrastruttura e la manutenzione. Flaq AI offre un percorso chat gestito per una singola immagine ai team che preferiscono l'accesso in hosting a Grok 4.5.