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.
Modelli Grok 4.5 correlati
Esempi API
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
}'
Prezzi di Grok 4.5 Image to Text
| Parametri | Prezzo | Prezzo originale | Sconto |
|---|
Modelli correlati
grok-4-text-to-texttext-to-textgrok-4-image-to-textimage-to-textgrok-4.5-text-to-texttext-to-textgrok-4.5-image-to-textimage-to-textgrok-imaginetext-to-imagegrok-imagine-editimage-to-imagegrok-imagine-text-to-videotext-to-videogrok-imagine-image-to-videoimage-to-videogrok-imagine-v1.5-image-to-videoimage-to-videoREADME
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.