xAI/grok-4.5-image-to-text
grok-4.5-image-to-text
免费试用由 X-AI 提供支持的 Grok 4.5 图像转文本 API，通过 Flaq AI 完成视觉问答、OCR、图像分析和多模态推理。可将图像内容转换为文本，帮助识别图像中的文字与信息，适合集成至视觉理解、图像问答和多模态分析的应用程序与工作流，并通过 API 接入需要图像理解能力的应用程序和工作流。
Image Chat
Grok 4.5 相关模型
API 示例
提交示例
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-4.5-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);
}
}
}
提交示例
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-4.5-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)
提交示例
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-4.5-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
}'
Grok 4.5 Image to Text 价格
| 参数 | 价格 | 原价 | 折扣 |
|---|
相关模型
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
用于视觉理解的 Grok 4.5 图片转文本 API
Grok 4.5 图片转文本 API 提供了一种专用方式，让您可以通过 Flaq AI 使用 xAI 的多模态 Grok 4.5 模型理解图片。提交一张受支持的图片和可选的文本指令，即可收到基于视觉上下文的文本响应。当前 Flaq AI 路由专为单张图片分析、视觉问答和基于图片的对话而设计，并不表示支持通用文件附件或图片生成。
Grok 4.5 图片转文本 API 的主要功能
- 基于图片的文本响应： 提供图片作为上下文，并接收描述可见内容或对其进行推理的自然语言响应。
- 可选文本指令： 添加问题或任务，引导模型关注图片中的特定对象、关系、细节或可见文本。
- 单张图片输入工作流： 通过当前 Flaq AI 模型配置所提供的输入约定，每次请求使用一张图片。
- 多轮消息上下文： 加入近期对话消息，以便围绕所提交的视觉上下文进行追问和迭代讨论。
- 支持流式响应： 在使用响应事件的聊天和分析界面中逐步呈现文本输出。
- 输出长度控制： 限制所请求的响应长度，以适应简洁说明、针对性回答或更详细的分析。
如何在 Flaq AI 上使用 Grok 4.5 图片转文本 API
- 输入： 一张受支持的图片，以及用于说明模型应检查或回答哪些内容的可选文本指令。
- 输出： 基于所提交图片和随附消息上下文的文本响应。
- 上下文： 可以提供近期消息，以便在已配置的对话窗口内支持追问。
- 控制项： 可以为生成的响应设置可选的最大输出长度。
- 能力： 通过已配置的聊天接口提供图片描述、视觉问答、可见文本辅助和基于图片的分析。
Grok 4.5 图片转文本 API 集成的最佳用例
- 视觉内容审查： 为编辑和内容工作流生成所提交图片的初步描述或摘要。
- 基于图片的问答： 让用户针对一张图片中的对象、场景、关系或可见细节提出具体问题。
- 可见文本辅助： 请求转录或解读可读文本，同时对准确性要求较高的提取结果保留人工审查。
- 产品与素材分类： 根据图片中的可见信息创建初步描述或对视觉素材进行分类。
- 无障碍文案起草： 生成替代文本或图片描述草稿，供编辑在发布前审查和完善。
注意 图片解读和可见文本提取可能不完整或不准确，特别是在文字较小、场景含义模糊、图片质量较低或内容专业性较强时。使用前请审查重要结果。此路由支持一张图片，不提供通用文件输入或图片生成。
Grok 4.5 图片转文本与替代方案：对比分析
-
Grok 4.5 图片转文本与 Grok 4.5 文本转文本对比 图片转文本接受视觉上下文并返回文本，而对于不含图片的请求，文本转文本是更直接的选择。
-
Grok 4.5 图片转文本与专用 OCR 对比 专用 OCR 系统专为确定性文本提取和文档处理流程而构建。Grok 4.5 可以结合上下文讨论可见内容和文本，但不应将其视为对准确性要求较高的 OCR 的可靠替代方案。
-
Grok 4.5 图片转文本与图片描述模型对比 图片描述模型通常侧重于简短描述。多模态聊天工作流还可以回答用户提供的问题，但输出质量仍取决于图片和指令。
-
Grok 4.5 图片转文本与其他多模态 LLM API 对比 主流多模态 API 在输入限制、模型行为、延迟和平台功能方面各不相同。选择提供商之前，请使用有代表性的图片和具体任务的验收标准进行评估。
-
Grok 4.5 图片转文本与自托管视觉模型对比 自托管视觉模型提供部署控制权，但会增加基础设施和维护工作。对于倾向于以托管方式访问 Grok 4.5 的团队，Flaq AI 提供托管式单张图片聊天路由。