xAI/grok-4.5-image-to-text

grok-4.5-image-to-text

Teste grátis a API de imagem para texto do Grok 4.5 com tecnologia X-AI para perguntas e respostas visuais, OCR, análise de imagens e raciocínio multimodal pela Flaq AI.

Image Chat

Modelos Grok 4.5 relacionados

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

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

Documentação

Exemplos de API

JavaScriptPythoncURL

Exemplo de envio

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);
    }
  }
}

Exemplo de envio

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)

Exemplo de envio

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
  }'

Inicie um novo chat

Envie uma mensagem para começar.

Preços de Grok 4.5 Image to Text

Parâmetros	Preço	Preço original	Desconto

Token: input	$1.8000 por 1 milhão de tokens de entrada	$2.0000 por 1 milhão de tokens de entrada	90%
Token: output	$5.4000 por 1 milhão de tokens de saída	$6.0000 por 1 milhão de tokens de saída	90%

README

API Grok 4.5 Image-to-Text para Compreensão Visual

A API Grok 4.5 Image-to-Text oferece uma forma focada de usar o modelo multimodal Grok 4.5 da xAI para compreender imagens por meio da Flaq AI. Envie uma imagem compatível com uma instrução de texto opcional e receba uma resposta em texto baseada no contexto visual. A rota atual da Flaq AI foi projetada para análise de uma única imagem, perguntas e respostas visuais e conversas fundamentadas em imagens, sem sugerir suporte a anexos de arquivos em geral ou geração de imagens.

Principais Recursos da API Grok 4.5 Image-to-Text

Respostas de Texto Fundamentadas em Imagens: Forneça uma imagem como contexto e receba uma resposta em linguagem natural que descreve ou raciocina sobre o conteúdo visível.
Instruções de Texto Opcionais: Adicione uma pergunta ou tarefa para direcionar o modelo a objetos, relações, detalhes ou textos visíveis específicos na imagem.
Fluxo de Entrada de Uma Única Imagem: Use uma imagem por solicitação por meio do contrato de entrada atualmente exposto pela configuração de modelo da Flaq AI.
Contexto de Mensagens em Múltiplos Turnos: Inclua mensagens recentes da conversa para perguntas de acompanhamento e discussões iterativas sobre o contexto visual enviado.
Suporte a Respostas por Streaming: Renderize a saída de texto progressivamente em interfaces de chat e análise que consumam eventos de resposta.
Controle do Tamanho da Saída: Limite o tamanho solicitado da resposta de acordo com legendas concisas, respostas objetivas ou análises mais detalhadas.

Como Usar a API Grok 4.5 Image-to-Text na Flaq AI

Entrada: Uma imagem compatível, com instruções de texto opcionais que expliquem o que o modelo deve examinar ou responder.
Saída: Uma resposta em texto fundamentada na imagem enviada e no contexto de mensagens que a acompanha.
Contexto: Mensagens recentes podem ser fornecidas para permitir perguntas de acompanhamento dentro da janela de conversa configurada.
Controles: É possível definir um tamanho máximo opcional de saída para a resposta gerada.
Recursos: Descrição de imagens, perguntas e respostas visuais, assistência com textos visíveis e análise fundamentada em imagens por meio da interface de chat configurada.

Melhores Casos de Uso para a Integração da API Grok 4.5 Image-to-Text

Revisão de Conteúdo Visual: Gere uma descrição ou um resumo preliminar de uma imagem enviada para fluxos de trabalho editoriais e de conteúdo.
Perguntas e Respostas Baseadas em Imagens: Permita que os usuários façam perguntas específicas sobre objetos, cenas, relações ou detalhes visíveis em uma imagem.
Assistência com Texto Visível: Solicite a transcrição ou interpretação de texto legível, mantendo a revisão humana para extrações que exijam precisão crítica.
Triagem de Produtos e Ativos: Crie descrições preliminares ou categorize ativos visuais com base nas informações visíveis na imagem.
Elaboração para Acessibilidade: Produza rascunhos de texto alternativo ou descrições de imagem que os editores possam revisar e aprimorar antes da publicação.

Observação As interpretações de imagens e a extração de texto visível podem ser incompletas ou imprecisas, especialmente com texto pequeno, cenas ambíguas, imagens de baixa qualidade ou conteúdo especializado. Revise resultados importantes antes do uso. Esta rota aceita uma imagem e não oferece entrada de arquivos em geral nem geração de imagens.

Grok 4.5 Image-to-Text vs. Alternativas: Análise Comparativa

Grok 4.5 Image-to-Text em comparação com Grok 4.5 Text-to-Text O Image-to-Text aceita contexto visual e retorna texto, enquanto o Text-to-Text é a opção mais direta para solicitações que não contêm imagens.
Grok 4.5 Image-to-Text vs. OCR Dedicado Sistemas de OCR dedicados são desenvolvidos especificamente para extração determinística de texto e pipelines de documentos. O Grok 4.5 pode discutir conteúdo e texto visíveis no contexto, mas não deve ser tratado como um substituto garantido para OCR em situações que exijam precisão crítica.
Grok 4.5 Image-to-Text vs. Modelos de Legendas de Imagens Modelos de legendas geralmente se concentram em descrições curtas. Um fluxo de trabalho de chat multimodal também pode responder a uma pergunta fornecida pelo usuário, embora a qualidade da saída continue dependendo da imagem e da instrução.
Grok 4.5 Image-to-Text vs. Outras APIs de LLM Multimodais As principais APIs multimodais diferem em limites de entrada, comportamento do modelo, latência e recursos da plataforma. Avalie-as com imagens representativas e critérios de aceitação específicos da tarefa antes de escolher um provedor.
Grok 4.5 Image-to-Text vs. Modelos de Visão Auto-hospedados Modelos de visão auto-hospedados oferecem controle sobre a implantação, mas acrescentam trabalho de infraestrutura e manutenção. A Flaq AI oferece uma rota de chat gerenciada para uma única imagem às equipes que preferem acesso hospedado ao Grok 4.5.