Премини към основното съдържание
Български— Изберете език
Меню

Редактиране на множество изображения и референции

Урок 7 от 14 Обновен 2 ноември 2026 г. Начинаещ
На тази страница
  1. Работа с множество изходни изображения
  2. Параметърът images (множествено число)
  3. Рефериране на изображения в подсказката (Prompt)
  4. Варианти на употреба с множество изображения
  5. Ограничения и най-добри практики
  6. Практическо упражнение
  7. Ключови изводи

Обновено на 2 ноември 2026 г. — Imagine. grok-imagine-image-quality бе премахнат към 2 ноември 2026 г. (заявките сега се обработват от Imagine 2.0 в качество low): примерите вече използват grok-imagine-image (Imagine 1.0) и grok-imagine-image-2.0 (Imagine 2.0, с качество low, medium или auto). При използване на OpenAI SDK, параметрите aspect_ratio, resolution и quality се предават чрез extra_body, а редактирането се извършва чрез xAI SDK или HTTP заявка.

Работа с множество изходни изображения

Едно от основните предимства на крайната точка за редактиране е възможността да предоставите до 5 референтни изображения в една единствена заявка. Това отваря вратите за разширени творчески възможности: комбиниране на елементи от множество източници, смесване на стилове или създаване на сложни композиции.

Параметърът images (множествено число)

Преминаването от image към images променя повече от просто формата на параметъра: то променя задачата, която възлагате на модела. При един източник той модифицира изображение; при множество източници той трябва да арбитражира между тях – решавайки какво да вземе от всяко едно. Той ще извърши този арбитраж във всеки случай; единственият въпрос е дали Вие ще насочите този процес, което е фокусът на следващата секция.

Имайте предвид, че двата параметъра са взаимно изключващи се: image (единичен обект) и images (масив) не могат да се комбинират.

import requests
import os

headers = {
    "Authorization": f"Bearer {os.getenv('XAI_API_KEY')}",
    "Content-Type": "application/json"
}

payload = {
    "model": "grok-imagine-image",
    "prompt": "Combine the character from the first image with "
              "the landscape from the second image",
    "images": [
        {"url": "https://exemple.com/personnage.jpg"},
        {"url": "https://exemple.com/paysage.jpg"}
    ]
}

response = requests.post(
    "https://api.x.ai/v1/images/edits",
    headers=headers,
    json=payload
).json()

Рефериране на изображения в подсказката (Prompt)

Когато предоставяте множество изображения, можете да се позовавате на тях индивидуално във вашата подсказка, използвайки синтаксиса <IMAGE_0>, <IMAGE_1> и т.н. Индексацията започва от 0.

payload = {
    "model": "grok-imagine-image",
    "prompt": "Place the product from <IMAGE_0> on the table from <IMAGE_1>, "
              "with the ambient lighting from <IMAGE_2>",
    "images": [
        {"url": "https://exemple.com/produit.jpg"},      # <IMAGE_0>
        {"url": "https://exemple.com/table.jpg"},         # <IMAGE_1>
        {"url": "https://exemple.com/ambiance.jpg"}       # <IMAGE_2>
    ]
}

Този синтаксис е това, което отличава контролираната композиция от приблизителното смесване. Фразата „Комбинирайте тези изображения“ оставя всичко на модела; докато „поставете продукта от <IMAGE_0> в обстановката на <IMAGE_1>, запазвайки осветлението от <IMAGE_1>“ не оставя място за интерпретация. Веднага щом предоставите повече от един източник, правете изрични препратки към тях.

Варианти на употреба с множество изображения

Пренос на стил (Style Transfer)

Приложете стила на референтно изображение към друго:

payload = {
    "model": "grok-imagine-image-2.0",
    "prompt": "Reproduce the content of <IMAGE_0> in the artistic style of <IMAGE_1>",
    "images": [
        {"url": "https://exemple.com/photo-originale.jpg"},
        {"url": "https://exemple.com/reference-style.jpg"}
    ]
}

Композиция на продукт

Интегрирайте продукт в обстановка с референтно осветление:

payload = {
    "model": "grok-imagine-image-2.0",
    "prompt": "Photograph the product from <IMAGE_0> placed on the furniture from <IMAGE_1> "
              "in the room from <IMAGE_2>, consistent natural lighting",
    "images": [
        {"url": "https://exemple.com/produit-detouré.png"},
        {"url": "https://exemple.com/meuble.jpg"},
        {"url": "https://exemple.com/piece.jpg"}
    ]
}

Сливане на лице и фон

Комбинирайте портрет със специфичен фон:

payload = {
    "model": "grok-imagine-image",
    "prompt": "Place the person from <IMAGE_0> in front of the building from <IMAGE_1>, "
              "keeping natural lighting and perspective",
    "images": [
        {"url": "https://exemple.com/portrait.jpg"},
        {"url": "https://exemple.com/batiment.jpg"}
    ]
}

Ограничения и най-добри практики

Техническото ограничение е 5 изображения на заявка и можете свободно да смесвате формати – някои източници като URL адреси, други като Base64 – в един и същи масив. Истинската трудност не е там: тя се крие в прецизността на подсказката, която трябва да нараства с броя на изображенията. При два източника фразата „комбинирай героя и обстановката“ често е достатъчна; при пет източника моделът вече не може да познае кой елемент от кое изображение да вземе и точно тук идва ролята на референциите <IMAGE_1> до <IMAGE_5>: „поставете логото от <IMAGE_2> върху тениската на героя от <IMAGE_1>, в светлинната атмосфера на <IMAGE_3>“ не оставя никаква двусмислица. За сложни композиции с множество източници професионалният модел (grok-imagine-image-quality) оправдава допълнителната си цена: точно там разликата със стандартния модел е най-видима, по отношение на консистентността между хетерогенните елементи.

Практическо упражнение

Опитайте се да комбинирате две изображения, които имате под ръка:

payload = {
    "model": "grok-imagine-image",
    "prompt": "Create a scene where the object from <IMAGE_0> floats in the sky from <IMAGE_1>, "
              "surrealist style",
    "images": [
        {"url": "URL_OF_YOUR_FIRST_IMAGE"},
        {"url": "URL_OF_YOUR_SECOND_IMAGE"}
    ],
    "n": 3
}

Генерирайте 3 варианта, за да сравните интерпретациите на модела.

Ключови изводи

  • Параметърът images приема до 5 изходни изображения в масив
  • image (единствено число) и images (множествено число) са взаимно изключващи се
  • Синтаксисът <IMAGE_0>, <IMAGE_1> Ви позволява да се позовавате на всяко изображение в подсказката
  • Вариантите на употреба включват пренос на стил, композиция и сливане
  • Бъдете прецизни в подсказката си, когато използвате множество източници