Claude Code ガイド
Flaq AI の Claude モデルを設定し、Claude Code スキルを探す
X-AI搭載のGrok 4.5 Image-to-Text APIを無料でお試しいただけます。Flaq AIを通じて、ビジュアルQ&A、OCR、画像分析、マルチモーダル推論に活用できます。画像から情報を読み取り、視覚的な質問への回答やコンテンツ理解を効率化したいマルチモーダルワークフローに適しています。
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);
}
}
}
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)
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
}'
| パラメータ | 料金 | 元の料金 | 割引 |
|---|
Grok 4.5 Image-to-Text API は、Flaq AI を通じて xAI のマルチモーダル Grok 4.5 モデルを画像理解に利用するための、用途を絞った方法を提供します。対応画像を任意のテキスト指示とともに送信すると、視覚的なコンテキストに基づくテキストレスポンスを受け取れます。現在の Flaq AI ルートは、一般的なファイル添付や画像生成への対応を示唆することなく、単一画像の分析、視覚的な質疑応答、画像に基づく会話を行えるよう設計されています。
注意 画像の解釈や目に見えるテキストの抽出は、特に小さな文字、曖昧な場面、低品質の画像、専門的な内容の場合に、不完全または不正確になることがあります。重要な結果は使用前に確認してください。このルートは画像 1 枚に対応し、一般的なファイル入力や画像生成は提供しません。
Grok 4.5 Image-to-Text と Grok 4.5 Text-to-Text の比較 Image-to-Text は視覚的なコンテキストを受け取り、テキストを返します。一方、画像を含まないリクエストには Text-to-Text がより直接的な選択肢です。
Grok 4.5 Image-to-Text と専用 OCR の比較 専用 OCR システムは、決定論的なテキスト抽出やドキュメントパイプラインのために構築されています。Grok 4.5 は目に見える内容やテキストをコンテキストに沿って説明できますが、高い正確性が求められる OCR の確実な代替として扱うべきではありません。
Grok 4.5 Image-to-Text と画像キャプション生成モデルの比較 キャプション生成モデルは、多くの場合、短い説明を対象とします。マルチモーダルなチャットワークフローではユーザーが指定した質問にも回答できますが、出力品質は画像と指示によって異なります。
Grok 4.5 Image-to-Text とその他のマルチモーダル LLM API の比較 主要なマルチモーダル API は、入力制限、モデルの挙動、レイテンシ、プラットフォーム機能が異なります。プロバイダーを選択する前に、代表的な画像とタスク固有の受け入れ基準を用いて評価してください。
Grok 4.5 Image-to-Text とセルフホスト型ビジョンモデルの比較 セルフホスト型ビジョンモデルではデプロイを制御できますが、インフラと保守の作業が増えます。Flaq AI は、Grok 4.5 へのホスト型アクセスを希望するチームに、マネージド型の単一画像チャットルートを提供します。
Flaq AI の Claude モデルを設定し、Claude Code スキルを探す

Flaq AI の GPT モデルを設定し、Codex スキルを探す
Hermes Agent で Flaq AI の LLM モデルを使用
ZCodeでGLM 5.2、Kimi K3、DeepSeek v4を使用
Flaq AI の DeepSeek モデルで DeepSeek Harness を実行
AIエージェントをFlaqの画像・動画生成ツールに接続