Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Batchgenerering og n-parameteren

Lektion 9 af 14 Opdateret 2. november 2026 Begynder
På denne side
  1. Generer flere billeder i én anmodning
  2. n-parameteren i detaljer
  3. Påvirkning af omkostninger og hastighedsgrænser
  4. Udvalgsstrategier
  5. Batchning af flere prompts
  6. Batch-download
  7. Vigtige pointer

Opdateret 2. november 2026 — Imagine. grok-imagine-image-quality blev fjernet den 2. november 2026 (dens anmodninger betjenes nu af Imagine 2.0 i low kvalitet): eksempler bruger nu grok-imagine-image (Imagine 1.0) og grok-imagine-image-2.0 (Imagine 2.0, low, medium eller auto kvalitet). Med OpenAI SDK sendes aspect_ratio, resolution og quality via extra_body, mens redigering håndteres via xAI SDK eller en HTTP-anmodning.

Generer flere billeder i én anmodning

Parameteren n i generations-API’en giver dig mulighed for at producere op til 10 billeder ud fra én enkelt prompt. Hvert billede er en unik variation, hvilket giver dig en række valgmuligheder, så du kan vælge det bedste resultat eller opbygge et galleri af visuelle elementer.

n-parameteren i detaljer

Parameteren n accepterer et heltal mellem 1 og 10 og har standardværdien 1. Dens egentlige værdi ligger i en egenskab ved billedgenerering, som er let at glemme: resultatet er ikke-deterministisk. Den samme prompt producerer forskellige billeder hver gang, du kalder den, og ingen er mere “korrekt” end en anden. At generere fire variationer på én gang er ikke spild – det er en anerkendelse af, at du på forhånd ikke ved, hvilken der vil fungere.

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("XAI_API_KEY"),
    base_url="https://api.x.ai/v1"
)

# Generer 5 variationer
response = client.images.generate(
    model="grok-imagine-image",
    prompt="A zen Japanese garden with a red bridge, ukiyo-e style",
    n=5,
    extra_body={"aspect_ratio": "16:9", "resolution": "1k"},
)

for i, image in enumerate(response.data):
    print(f"Variation {i + 1}: {image.url}")

Påvirkning af omkostninger og hastighedsgrænser

Det vigtigste punkt at forstå, før du bygger en pipeline på dette: n=10 er ikke en rabat. Du betaler for ti billeder og forbruger ti enheder af hastighedsgrænsen, præcis som ved ti separate kald. Den eneste gevinst er netværket – én rundtur i stedet for ti – hvilket hjælper på ventetiden, men ikke ændrer budgettet.

Parameter n=1 n=5 n=10
Omkostning (Imagine 1.0) $0.02 $0.10 $0.20
Omkostning (Imagine 2.0, low) $0.04 $0.20 $0.40
Genererede billeder 1 5 10

En anmodning med n=10 forbruger det samme budget som 10 individuelle anmodninger med n=1, men den er hurtigere, fordi den kun kræver ét netværkskald.

Udvalgsstrategier

At generere ti variationer uden en sorteringsmetode flytter blot problemet: du havde ét usikkert billede, nu har du ti billeder at bedømme. Det første spørgsmål, du skal afklare, er kriteriet – æstetisk, hvor det menneskelige øje stadig er ubesejret, eller verificerbart (er produktet synligt, er teksten læselig, er formatet overholdt), hvor automatisering bliver mulig.

Manuel udvælgelse

I kritiske tilfælde (reklame, bogomslag) skal du downloade alle variationer og sammenligne dem visuelt:

import urllib.request

response = client.images.generate(
    model="grok-imagine-image-2.0",
    prompt="Science fiction book cover, organic spaceship",
    n=8,
    extra_body={"aspect_ratio": "3:4", "resolution": "2k"},
)

for i, image in enumerate(response.data):
    urllib.request.urlretrieve(image.url, f"variation_{i + 1}.png")
    print(f"Variation {i + 1} saved")

Automatiseret udvælgelse

At lade en visionsmodel bedømme billederne fungerer kun under én betingelse: kriteriet skal være fakta-baseret. „Indeholder dette billede et produkt centreret på en ensfarvet baggrund?” giver et pålideligt svar; „hvilket er det smukkeste?” giver et vilkårligt svar præsenteret med selvsikkerhed. Formulér verificerbare kriterier, og behold den æstetiske bedømmelse til dig selv.

def generate_and_select(prompt, n=5):
    """Generer n variationer og returner alle URLs."""
    response = client.images.generate(
        model="grok-imagine-image",
        prompt=prompt,
        n=n
    )
    return [image.url for image in response.data]

Batchning af flere prompts

For at generere billeder ud fra flere forskellige prompts skal du kombinere kaldene:

prompts = [
    "Illustration of a Parisian café, impressionist style",
    "Aerial view of terraced rice fields, photographic style",
    "Interior of an old library, dim lighting"
]

all_results = {}
for prompt in prompts:
    response = client.images.generate(
        model="grok-imagine-image",
        prompt=prompt,
        n=3
    )
    all_results[prompt] = [img.url for img in response.data]

# 3 prompts x 3 variationer = 9 billeder, samlet omkostning: $0.18

Batch-download

Dette er den vane, du skal opbygge fra den første linje kode, ikke når du deployer til produktion: URLs udløber. En batch på ti billeder genereret om morgenen og downloadet om aftenen er en tabt batch – og du skal betale for den igen.

import urllib.request
import os

def download_batch(response, output_dir="generated"):
    """Download alle billeder fra en respons."""
    os.makedirs(output_dir, exist_ok=True)

    for i, image in enumerate(response.data):
        filepath = os.path.join(output_dir, f"image_{i + 1}.png")
        urllib.request.urlretrieve(image.url, filepath)

    print(f"{len(response.data)} images saved in {output_dir}/")

Priser pr. 5. august 2026 – priserne ændres regelmæssigt: før enhver budgetberegning skal du tjekke den aktuelle prisliste på den officielle side for xAI-modeller og priser.

Vigtige pointer

  • Parameteren n giver dig mulighed for at generere 1 til 10 variationer pr. anmodning
  • Hvert billede tæller individuelt til fakturering
  • Generering i batch (én anmodning med n>1) er hurtigere end n individuelle anmodninger
  • Download resultaterne med det samme, fordi URLs er midlertidige
  • Brug n=3 til 5 til udforskning, n=1 til målrettet produktion