Сравнение на множество изображения
На тази страница
- Анализ на множество изображения в една заявка
- Структура на заявката за множество изображения
- Случай на употреба: Сравнение „Преди/След“
- Случай на употреба: Проследяване във времето
- Случай на употреба: Контрол на качеството
- Случай на употреба: Конкурентен анализ
- Оптимизиране на заявките за множество изображения
- Ключови изводи
Анализ на множество изображения в една заявка
Една от основните силни страни на Grok Vision е способността да изпращате неограничен брой изображения в рамките на една единствена заявка. Това отваря уникални възможности за сравнение, проследяване във времето и кръстосан анализ, които API-тата за работа с едно изображение не могат да предложат.
Структура на заявката за множество изображения
Форматът е прост: добавете толкова обекта input_image, колкото е необходимо, към масива input, като ги редувате с текст, за да насочите анализа:
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_text", "text": "Image A:"},
{"type": "input_image", "image_url": url_image_a},
{"type": "input_text", "text": "Image B:"},
{"type": "input_image", "image_url": url_image_b},
{"type": "input_text", "text": "Compare these two images in detail."}
]
)
Етикетирането на всяко изображение с текст („Изображение А“, „Изображение Б“) помага на модела да структурира отговора си и да прави ясни препратки към всяко от изображенията.
Случай на употреба: Сравнение „Преди/След“
Идеално за проследяване на проекти, ремонти, дизайн или контрол на качеството:
def comparer_avant_apres(url_avant, url_apres):
prompt = """Compare these two images (before and after) and identify:
1. The main changes
2. Elements that have not changed
3. Visible improvements
4. Any potential issues introduced
Present your response as a structured list."""
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_text", "text": "BEFORE:"},
{"type": "input_image", "image_url": url_avant, "detail": "high"},
{"type": "input_text", "text": "AFTER:"},
{"type": "input_image", "image_url": url_apres, "detail": "high"},
{"type": "input_text", "text": prompt}
],
store=False
)
return response.output_text
Случай на употреба: Проследяване във времето
Проследявайте еволюцията на дадено място, продукт или процес във времето:
def analyser_evolution(images_chronologiques):
"""images_chronologiques: list of {"url": ..., "date": ...}"""
input_data = []
for img in images_chronologiques:
input_data.append({
"type": "input_text",
"text": f"Photo from {img['date']}:"
})
input_data.append({
"type": "input_image",
"image_url": img["url"],
"detail": "auto"
})
input_data.append({
"type": "input_text",
"text": """Analyze the chronological evolution visible in
these images. Identify progressive changes, trends,
and any notable events between the different dates."""
})
response = client.responses.create(
model="grok-4.5",
input=input_data,
store=False
)
return response.output_text
Случай на употреба: Контрол на качеството
Сравнете произведен продукт с неговия референтен модел:
def controle_qualite(url_reference, url_produit):
prompt = """Compare the photographed product to the reference model.
Identify:
1. Compliance (what matches the model)
2. Non-compliance (deviations, defects, differences)
3. Severity of each non-compliance (minor, major, critical)
Return a JSON with:
{
"compliant": true/false,
"score": 0-100,
"compliances": [...],
"non_compliances": [
{"description": "...", "severity": "minor|major|critical"}
]
}"""
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_text", "text": "REFERENCE (expected model):"},
{"type": "input_image", "image_url": url_reference, "detail": "high"},
{"type": "input_text", "text": "PRODUCT to check:"},
{"type": "input_image", "image_url": url_produit, "detail": "high"},
{"type": "input_text", "text": prompt}
],
store=False
)
return response.output_text
Случай на употреба: Конкурентен анализ
Сравнете интерфейси, опаковки или презентации на продукти от конкуренти:
def analyser_concurrence(images_concurrents):
"""images_concurrents: [{"brand": "...", "url": "..."}]"""
input_data = []
for concurrent in images_concurrents:
input_data.append({
"type": "input_text",
"text": f"{concurrent['brand']}:"
})
input_data.append({
"type": "input_image",
"image_url": concurrent["url"],
"detail": "auto"
})
input_data.append({
"type": "input_text",
"text": """Compare these competitor products/interfaces.
For each, identify visual strengths and weaknesses.
Provide a positioning recommendation."""
})
response = client.responses.create(
model="grok-4.5",
input=input_data,
store=False
)
return response.output_text
Оптимизиране на заявките за множество изображения
Когато изпращате много изображения, потреблението на токени нараства бързо. Ето няколко стратегии за оптимизация:
Коригиране на нивото на детайлност
Използвайте low за общи сравнения и high само когато анализирате фини детайли:
# Global comparison: low is sufficient
detail = "low" # ~256 tokens per image
# Defect analysis: high required
detail = "high" # ~1024-1792 tokens per image
Ограничаване на броя изображения на заявка
Въпреки че няма твърдо ограничение, при повече от 10–15 изображения качеството на анализа може да намалее. Моделът има краен контекст и трябва да го разпредели между всички изображения:
# If more than 10 images, process in batches
def analyser_par_lots(images, taille_lot=10):
resultats = []
for i in range(0, len(images), taille_lot):
lot = images[i:i + taille_lot]
resultat = analyser_lot(lot)
resultats.append(resultat)
return fusionner_resultats(resultats)
Преоразмеряване на изображенията
Ако сравнявате снимки с висока разделителна способност за общ анализ, преоразмерете ги преди изпращане, за да намалите броя на токените:
def preparer_pour_comparaison(chemin, taille_max=(800, 800)):
img = Image.open(chemin)
img.thumbnail(taille_max)
# ... encode to base64
Ключови изводи
- Броят на изображенията на заявка е неограничен – това е ключово предимство на xAI API.
- Етикетирайте всяко изображение с текст, за да структурирате анализа.
- Настройте параметъра
detailспрямо вида на сравнението. - При повече от 10–15 изображения обработвайте данните на партиди, за да запазите качеството.
- Случаите на употреба включват: сравнение „преди/след“, проследяване във времето, контрол на качеството и конкурентен анализ.