Popis obrázků
Na této stránce
Získej poznatky ze svých obrázků
Popis obrázků je nejpřirozenějším případem použití multimodálního vidění modelu Grok. Pošleš obrázek, položíš otázku a model vrátí podrobnou textovou analýzu. Tato zdánlivě jednoduchá schopnost otevírá ve výrobě významné možnosti.
Obecný popis
Nejjednodušším požadavkem je vyžádat si volný popis:
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."}
]
)
Model identifikuje klíčové prvky (objekty, lidi, text, barvy, kompozici) a vytvoří popisný odstavec. Pro většinu obrázků postačuje režim auto.
Strukturovaný popis
Ve výrobě jsou volné popisy zřídka použitelné. Budeš chtít model navést pomocí strukturovaného promptu:
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}
]
)
Tento formát je připraven k použití ve tvé aplikaci pro naplnění databáze, vyhledávače nebo katalogu.
Příklad: Produktové listy pro e-commerce
Velmi žádaným případem použití je automatické generování popisů produktů z fotografií:
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
Použitím detail: "high" model zachytí jemné detaily produktu (textury, štítky, povrchové úpravy), které obohacují popis.
Příklad: Alternativní text (přístupnost)
Automatické generování atributů alt pro obrázky na tvém webu zlepšuje přístupnost i 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
Režim low zde postačuje, protože alternativní text je obecným popisem, nikoli detailní analýzou.
Příklad: Moderace obsahu
Vidění můžeš využít k automatickému filtrování obrázků nahraných tvými uživateli:
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
Osvědčené postupy pro popis
- Buď v promptu přesný: „Popiš tento obrázek“ přináší vágní výsledky. „Identifikuj produkty, barvy a viditelný text“ je mnohem efektivnější.
- Požaduj strukturovaný formát (JSON, seznam) pro usnadnění automatického zpracování.
- Přizpůsob úroveň detailu potřebě:
lowpro klasifikaci,highpro jemnou analýzu. - Použij
store: falseu citlivých obrázků nebo těch, které podléhají GDPR.
Klíčové poznatky
- Popis obrázků je základním případem použití pro Grok Vision.
- Strukturováním promptů získáš použitelné odpovědi (JSON, seznamy).
- Přizpůsob parametr
detailpožadované úrovni přesnosti. - Mezi běžné aplikace patří e-commerce, přístupnost a moderace.
- U citlivých dat nezapomeň na
store: false.