Премини към основното съдържание
Български— Изберете език
Меню

Описание на изображения

Урок 5 от 12 Обновен 30 юли 2026 г. Начинаещ
На тази страница
  1. Извличане на прозрения от Вашите изображения
  2. Общо описание
  3. Структурирано описание
  4. Пример: Продуктови карти за електронна търговия
  5. Пример: Алтернативен текст (Достъпност)
  6. Пример: Модерация на съдържание
  7. Най-добри практики за описание
  8. Ключови изводи

Извличане на прозрения от Вашите изображения

Grok OCR - извличане на текст от изображение Описанието на изображения е най-естественият сценарий на употреба за мултимодалното зрение на Grok. Изпращате изображение, задавате въпрос и моделът връща детайлен текстов анализ. Въпреки привидната си простота, тази възможност отваря значителни перспективи за производствена среда.

Електронна търговия
Автоматични продуктови карти
Достъпност
Автоматичен алтернативен текст
Модерация
Филтриране на съдържание
Каталог
Автоматично индексиране

Общо описание

Най-простата заявка е да поискате описание в свободен формат:

response = client.responses.create(
    model="grok-4.5",
    input=[
        {"type": "input_image", "image_url": url_image},
        {"type": "input_text", "text": "Describe this image in detail."}
    ]
)

Моделът идентифицира ключовите елементи (обекти, хора, текст, цветове, композиция) и генерира описателен параграф. За повечето изображения режимът auto е напълно достатъчен.

Структурирано описание

В производствена среда описанията в свободен формат рядко са полезни. Ще искате да насочите модела чрез структурирана подкана:

prompt = """Analyze this image and return a JSON with:
- "subject": the main subject in one sentence
- "objects": list of identified objects
- "dominant_colors": the 3 main colors
- "mood": the general mood (bright, dark, warm, etc.)
- "visible_text": any text readable in the image
"""

response = client.responses.create(
    model="grok-4.5",
    input=[
        {"type": "input_image", "image_url": url_image},
        {"type": "input_text", "text": prompt}
    ]
)

Този формат е готов за употреба във Вашето приложение за попълване на база данни, търсачка или каталог.

Пример: Продуктови карти за електронна търговия

Един от най-търсените сценарии е автоматичното генериране на продуктови описания от снимки:

def generate_product_sheet(image_url):
    prompt = """You are an expert e-commerce copywriter. Based on this
product photo, generate:

1. A catchy product title (max 80 characters)
2. A marketing description (2-3 sentences)
3. Visible features (material, color, shape)
4. Relevant SEO keywords (5 maximum)

Respond in JSON."""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Използвайки detail: "high", моделът улавя фини продуктови детайли (текстури, етикети, довършителни обработки), които обогатяват описанието.

Пример: Алтернативен текст (Достъпност)

Автоматичното генериране на атрибути alt за изображенията на Вашия сайт подобрява достъпността и SEO:

def generate_alt_text(image_url):
    prompt = """Generate alternative text (alt attribute) for this
web image. The text must:
- Be concise (max 125 characters)
- Describe the content, not the style
- Not start with "Image of" or "Photo of"
- Be useful for a screen reader

Return only the alt text, without quotes."""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "low"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Режимът low е достатъчен тук, тъй като алтернативният текст представлява общо описание, а не детайлен анализ.

Пример: Модерация на съдържание

Можете да използвате зрението, за да филтрирате автоматично изображения, качени от Вашите потребители:

def moderate_image(image_url):
    prompt = """Analyze this image and classify it:
- "safe": content appropriate for all audiences
- "warning": sensitive content but not prohibited
- "reject": inappropriate content

Return a JSON with "classification" and "reason"."""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": "auto"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Най-добри практики за описание

  • Бъдете прецизни в подканата си: „Опишете това изображение“ води до неясни резултати. „Идентифицирайте продуктите, цветовете и видимия текст“ е много по-ефективно.
  • Поискайте структуриран формат (JSON, списък), за да улесните автоматичната обработка.
  • Настройте нивото на детайлност според нуждата: low за класификация, high за фин анализ.
  • Използвайте store: false за чувствителни изображения или такива, подлежащи на GDPR.

Ключови изводи

  • Описанието на изображения е фундаменталният сценарий на употреба за зрението на Grok.
  • Структурирайте подканите си, за да получите използваеми отговори (JSON, списъци).
  • Настройте параметъра detail според необходимото ниво на прецизност.
  • Честите приложения включват електронна търговия, достъпност и модерация.
  • Не забравяйте store: false за чувствителни данни.