Grok 4 APIを無料で体験できます。マルチモーダル推論、視覚Q&A、OCR、画像理解に対応し、本番AIアプリケーション向けに安定したxAIアクセスを提供します。専門的な AI ワークフローでのアプリ連携、チーム運用、検証、日常的な改善にも活用し、AI 機能を継続的に調整しやすくします。継続運用にも便利です。モデル出力を試して品質を比較し、チーム向けの安定した画像、動画、マルチモーダルAPIワークフローへ拡張できます。
関連するGrok 4モデル
API 例
送信例
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-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);
}
}
}
送信例
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-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)
送信例
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-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
}'
Grok 4 Image to Textの料金
| パラメータ | 料金 | 元の料金 | 割引 |
|---|
関連モデル
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
高速で手頃な Grok 4 Image-to-Text API（xAI の視覚理解モデル）
Flaq AI の Grok 4 Image-to-Text API は、視覚理解、画像分析、マルチモーダル推論ワークフロー向けに xAI モデルへのアクセスを提供します。この Grok API 統合により、開発者は安定した管理型ルートを通じて、アップロード画像を説明、抽出された詳細、回答、構造化された要約へ変換できます。プロバイダー固有のインフラを構築せずに、xAI 搭載の image-to-text 機能を求めるチーム向けに設計されています。
Grok 4 Image-to-Text API の主な機能
- 視覚理解: マルチモーダルモデル推論を通じて、アップロード画像、スクリーンショット、オブジェクト、レイアウト、視覚的な詳細を分析します。
- 画像に基づく回答: 画像について的を絞った自然言語質問を行い、焦点の合ったテキスト応答を受け取ります。
- 実用的な抽出ワークフロー: 視覚コンテンツを、アプリケーション向けの説明、要約、ラベル、構造化された詳細に変換します。
- 会話を踏まえた出力: 柔軟なコンテキストにより、フォローアップ質問と反復的な視覚レビューをサポートします。
- 開発者に使いやすい制御: Flaq AI の実用的な設定を通じて、応答の長さ、詳細レベル、タスクの方向性を導きます。
- 管理型 xAI 統合: 明確な入力と出力の挙動を持つ安定した API ルートを通じて、Grok の image-to-text 機能を追加します。
Flaq AI で Grok 4 Image-to-Text API を視覚分析に使用する方法
- 入力: アップロードされた画像コンテンツに加え、分析、抽出、推論タスクを説明する自然言語指示。
- 出力: アップロード画像から得られるテキスト説明、抽出された詳細、視覚推論、構造化された要約。
- ルート設定: ルート固有の画像入力サポートを備えた、焦点の明確な画像理解ワークフロー向けに設計されています。
- 設定: 応答の長さ、詳細レベル、タスクの方向性に対する実用的な出力制御をサポートします。
- 機能: xAI Grok API 統合を通じた、画像理解、OCR-style 抽出、視覚 QA、スクリーンショットレビュー、製品検査、マルチモーダル推論。
Grok 4 Image-to-Text API 統合の最適なユースケース
- スクリーンショットとインターフェース分析: 画像から UI の詳細を抽出し、画面を要約し、製品フローを文書化します。
- 製品とカタログレビュー: 製品説明を生成し、属性を特定し、視覚的な違いを比較します。
- クリエイティブアセット QA: 広告、ソーシャルビジュアル、モックアップ、デザイン書き出しを内容の詳細と一貫性についてレビューします。
- 文書画像理解: フォーム、領収書、図表、画像ベースの参考資料を分析します。
- アクセシビリティワークフロー: メディアを理解し再利用しやすくする画像説明と視覚要約を生成します。
注記 プロンプト、アップロード画像、アプリケーションワークフローが xAI の安全性および利用ガイドラインに準拠していることを確認してください。エラーが発生した場合は、制限対象のコンテンツがないか入力を確認し、リクエストを簡略化して再試行してください。
Grok 4 Image-to-Text と競合製品の比較分析
-
Grok 4 Image-to-Text vs. GPT Image-to-Text
GPT image-to-text ルートは、OpenAI ネイティブなマルチモーダル挙動を提供します。Grok 4 Image-to-Text は、視覚理解と管理型 API ワークフロー向けに xAI ルートを提供します。 -
Grok 4 Image-to-Text vs. Gemini Image-to-Text
Gemini image-to-text は、Google モデルユーザーと高速な視覚分析に強みがあります。Grok 4 Image-to-Text は、マルチモーダルプロダクト機能向けに xAI の代替手段をチームに提供します。 -
Grok 4 Image-to-Text vs. Claude File Analysis
Claude file analysis は、慎重な文書および添付ファイル推論に強みがあります。Grok 4 Image-to-Text は、画像に基づく回答と視覚抽出ワークフローに重点を置きます。 -
Grok 4 Image-to-Text vs. Qwen Vision Workflows
Qwen vision ワークフローは、Alibaba モデルの代替手段を提供します。Grok 4 Image-to-Text は、モデル構成に xAI 搭載の視覚理解を加えたいチームに有用です。 -
Grok 4 Image-to-Text vs. Llama Vision Models
Llama vision モデルは、オープンモデルのデプロイ柔軟性を提供します。Grok 4 Image-to-Text はホスティング作業を取り除き、開発者に安定した管理型ルートを提供します。