Analýza obrázků ve Vibe
Na této stránce
Aktualizace 2. listopadu 2026 — Le Chat je nyní Vibe. Od 28. května 2026 byl Le Chat přejmenován na Vibe (stále na chat.mistral.ai): jediný agent pro práci i kódování, který si zachovává vaše konverzace, nastavení a předplatná. Původní prostředí Le Chat zůstává dostupné v režimu Chat; v režimu Work se agenti stali dovednostmi (vyvolávají se pomocí
@), paměť se stala znalostní bází a hluboké vyhledávání se stalo dovedností Deep Research. Plány se nyní jmenují Mistral Free, Pro, Team a Enterprise. Tato lekce používá název Vibe; měj na paměti, že některá zde popsaná menu mohla změnit název nebo umístění.
Tvá první analýza obrázku
Mistral Vibe ti umožní analyzovat jakýkoli obrázek během několika sekund. Proces je stejně jednoduchý jako odeslání zprávy: nahraj soubor, polož svou otázku a multimodální model se postará o zbytek. Tato lekce ti přesně ukáže, jak postupovat, jaké typy analýz jsou možné a co je nejdůležitější, jak formulovat své požadavky, abys získal skutečně užitečné odpovědi. Právě tento rozdíl odděluje pouhý gimmick od reálného pracovního nástroje.
Jak nahrát obrázek
Máš tři možnosti a rychle si osvojíš tu, která nejlépe zapadá do tvého pracovního postupu. Nejrychlejší je přetažení: chyť soubor na ploše nebo ve správci souborů a pusť ho přímo do oblasti konverzace. Pokud preferuješ výběr souboru, klikni na ikonu přílohy (spínací špendlík) vedle vstupního pole. Nakonec, kopírovat-vložit je nepřekonatelné pro snímky obrazovky: zkopíruj obrázek do schránky a vlož ho do Vibe pomocí Ctrl+V (nebo Cmd+V na Macu). Není třeba ukládat žádný přechodný soubor.
Podporované formáty pokrývají běžné typy obrázků: JPEG, PNG, WebP a GIF. Maximální velikost závisí na použitém modelu, ale v praxi fotky pořízené chytrým telefonem nebo běžné snímky obrazovky fungují bez problémů.
Možné typy analýzy
Jakmile je tvůj obrázek nahrán, model dokáže odpovědět na širokou škálu otázek. Prvním instinktem je obecný popis: zeptej se „Co vidíš na tomto obrázku?“ nebo „Popiš tuto fotku“ a model identifikuje hlavní prvky – objekty, lidi, krajiny, barvy, viditelný text. To je užitečné pro generování přístupného popisu obrázku nebo rychlé ověření jeho obsahu před sdílením.
Dále přichází identifikace: ukaž památku vyfocenou na dovolené a zeptej se „O jakou památku jde?“, vyfoť list a zeptej se „O jaký druh rostliny jde?“ nebo hledej „Jaká značka je vidět na tomto produktu?“. Model čerpá ze svých znalostí a pokusí se o identifikaci. Není neomylný – k tomu se ještě vrátíme – ale výsledky jsou často překvapivě přesné pro běžné objekty.
Třetí kategorií je čtení textu, které zahrnuje základní vestavěné OCR. Pokud tvůj obrázek obsahuje text – ceduli, vizitku, plakát nebo snímek obrazovky – model jej přečte a přepíše. Můžeš se zeptat „Přečti text na této fotce“ nebo cílit přímo na konkrétní informace: „Jaké je telefonní číslo na této vizitce?“. To šetří spoustu času, když potřebuješ získat kontaktní údaje od někoho, koho jsi potkal na veletrhu, aniž bys je musel ručně přepisovat.
Nakonec model dělá více než jen popisuje: interpretuje. Můžeš se zeptat, zda je outfit vhodný na pracovní pohovor, zda se vyfocené jídlo zdá nutričně vyvážené, nebo jaké je hlavní poselství reklamy. Právě tato schopnost poskytovat kontextovou interpretaci odlišuje moderní multimodální model od jednoduchého nástroje pro rozpoznávání objektů.
Jak klást dobré otázky
Kvalita analýzy silně závisí na tom, jak formuluješ svůj požadavek. Vágní otázka přináší vágní odpověď: „Analyzuj tento obrázek“ ti přinese obecný popis, zatímco „Jaké jsou prodejní údaje zobrazené v tomto grafu?“ ti dá přesně to, co potřebuješ. Poskytni také kontext, když samotný obrázek nestačí: „Zde je fotka jídla, které jsem připravil. Odhadni přibližný počet kalorií“ nasměruje model ke správnému typu analýzy. Neváhej specifikovat formát výstupu – „Vypiš viditelné prvky jako odrážky“ nebo „Shrň jednou větou, co tento obrázek zobrazuje“ – abys získal odpověď, kterou můžeš okamžitě využít.
Omezení, která je třeba znát
Model pro zpracování obrazu je výkonný, ale musíš mít na paměti jeho omezení. U velmi malého nebo rozmazaného textu – například u fotky smlouvy pořízené z dálky – může text špatně přečíst nebo dokonce vymyslet věrohodné znaky. To je nejzákeřnější past, protože chyba není hned zřejmá. Tmavé, přeexponované nebo vysoce abstraktní obrázky podobně přinesou méně spolehlivé výsledky. Mysli také na soukromí: model čte všechna data viditelná na obrázku, takže buď opatrný u citlivých dokumentů. Číslo bankovního účtu (IBAN) ponechané v rohu snímku obrazovky bude přečteno stejně jako vše ostatní. Nakonec, každý obrázek je analyzován nezávisle, pokud nepošleš více obrázků ve stejné konverzaci: mezi odlišnými konverzacemi neexistuje žádná vizuální paměť.
Praktické cvičení
Aby sis tyto návyky upevnil, vyzkoušej si nyní ve Vibe tři cvičení. Nejprve vyfoť předmět na svém stole a požádej model, aby jej popsal – porovnej jeho popis s tím, co vidíš ty. Dále udělej snímek obrazovky z novinového článku a požádej o shrnutí nadpisu a úvodního odstavce. Nakonec vyfoť účtenku nebo jízdenku a požádej o extrakci celkové částky: toto cvičení je nejblíže reálnému profesionálnímu použití a okamžitě ti ukáže úroveň spolehlivosti vestavěného OCR.
Klíčové poznatky
- Tři metody nahrávání: přetažení, tlačítko se spínacím špendlíkem, kopírovat-vložit
- Model umí popisovat, identifikovat, číst text a interpretovat kontext obrázku
- Konkrétní otázky přinášejí lepší výsledky než vágní požadavky
- Dej si pozor na nekvalitní obrázky a citlivé dokumenty