跳到文章正文
Grok 实用教程

Grok对话里怎么生成图片?image_generation工具与输出文件核对

在Responses请求里启用image_generation,让模型生成图像并配合文字;解析i…

Grok对话里怎么生成图片?image_generation工具与输出文件核对

图片只是更大对话任务的一步时,可以在Grok Responses中加入image_generation工具。它不同于直接调用图片生成端点:模型决定何时调用和怎样组织提示。本文用简单无文字图形练习,不执行真实生成,也不伪造产品截图。

第一步:选择工具还是直接端点

明确已有精确提示、比例和分辨率要求时,直接图片端点控制更明确;需要文字分析与图片生成结合时可以使用对话工具。不能因为工具能生成,就保证所有端点参数都能原样放进tools。

官方说明工具使用当前图片模型,支持xAI原生SDK和Responses兼容接口,部分其他SDK尚未暴露。核对自己的实际接口与版本,不把所有兼容SDK当作功能完全相同。

第二步:启用工具并请求单图

指定一个可验收的简单目标,不在首次练习同时要求复杂文字、精确商标和多轮编辑。凭据使用开发者API环境配置,消费者聊天会员不代表具备接口权益。

import os, base64
from openai import OpenAI
client = OpenAI(api_key=os.environ["XAI_API_KEY"], base_url="https://api.x.ai/v1")
response = client.responses.create(
    model="grok-4.7",
    input="生成一张白色背景上的红色圆形图片,不加文字,不生成多张。",
    tools=[{"type": "image_generation"}],
)
images = [x for x in response.output if x.type == "image_generation_call"]
print("图像输出项数量:", len(images))

第三步:读取实际输出项

Responses将图片放在image_generation_call的result字段,官方说明它是无data-URL前缀的Base64。原生SDK的image_outputs形状不同,不要混用字段。没有图像项时只得到文字说明,不能称图片已生成。

保存前检查结果存在且可解码,多个输出要分别记录,不默认第一项就是最终修订版。工具可能串联生成与编辑,若任务需要严格单次调用,应检查真实工具记录和成本,不只靠提示保证。

if len(images) != 1:
    raise RuntimeError("本练习预期一个图像项,请检查实际工具记录")
data = base64.b64decode(images[0].result, validate=True)
if not data:
    raise RuntimeError("图像结果为空")
# 确认真实图片格式后,使用匹配扩展名保存到新文件。

第四步:验证媒体格式和图像内容

Base64解码成功不代表一定是目标图像,还要用可信图片工具识别格式、尺寸并打开检查。不要仅按官方示例文件名推断编码;扩展名应与实际类型匹配。

检查图中是否只有圆形、背景是否正确、是否出现多余文字或物体。可打开不等于符合任务,模型文字说生成了红圆也不能代替看图。保留提示、请求标识与产物文件的对应关系。

第五步:区分文件持久化与调用成功

保存的本地文件与API返回对象是不同资产。需要长期存储或公开链接时,单独核对当前工具与存储功能支持,不把直接图片端点的storage_options推断成此工具必然可用。

完成标准是实际调用存在、结果有效、文件可打开且内容符合要求。未执行示例时只能称接入方案,不能编造耗时、价格或成功图片。失败先检查接口、模型和输出项类型,不直接重试大量生成。

官方资料

资料核对日期:2026年11月18日。

本文地址:https://www.163264.com/21721