Billedbeskrivelse
På denne side
Udtræk indsigt fra dine billeder
Billedbeskrivelse er det mest naturlige anvendelsestilfælde for Groks multimodale vision. Du sender et billede, stiller et spørgsmål, og modellen returnerer en detaljeret tekstanalyse. Selvom det virker simpelt, åbner denne funktion op for betydelige muligheder i produktion.
Generel beskrivelse
Den enkleste forespørgsel er at bede om en fri beskrivelse:
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."}
]
)
Modellen identificerer nøgleelementer (objekter, personer, tekst, farver, komposition) og producerer et beskrivende afsnit. For de fleste billeder er auto-tilstanden tilstrækkelig.
Struktureret beskrivelse
I produktion er frie beskrivelser sjældent brugbare. Du vil gerne guide modellen med en struktureret prompt:
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}
]
)
Dette format er klar til brug i din applikation til at udfylde en database, søgemaskine eller et katalog.
Eksempel: Produktsider til e-handel
Et meget efterspurgt anvendelsestilfælde er automatisk generering af produktbeskrivelser ud fra fotos:
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
Ved at bruge detail: "high" fanger modellen fine produktdetaljer (teksturer, etiketter, overfladebehandling), som beriger beskrivelsen.
Eksempel: Alternativ tekst (tilgængelighed)
Automatisk generering af alt-attributter til dit websteds billeder forbedrer tilgængeligheden og 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
low-tilstanden er tilstrækkelig her, fordi alternativ tekst er en generel beskrivelse og ikke en finmasket analyse.
Eksempel: Indholdsmoderering
Du kan bruge vision til automatisk at filtrere billeder, som dine brugere uploader:
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
Bedste praksis for beskrivelse
- Vær præcis i din prompt: „Beskriv dette billede” giver vage resultater. „Identificér produkter, farver og synlig tekst” er langt mere effektivt.
- Anmod om et struktureret format (JSON, liste) for at lette automatisk behandling.
- Juster detaljeniveauet efter behovet:
lowtil klassificering,hightil fin analyse. - Brug
store: falsefor følsomme billeder eller billeder omfattet af GDPR.
Vigtige pointer
- Billedbeskrivelse er det fundamentale anvendelsestilfælde for Grok vision.
- Strukturér dine prompts for at få brugbare svar (JSON, lister).
- Justér parameteren
detailtil det krævede præcisionsniveau. - Almindelige anvendelser inkluderer e-handel, tilgængelighed og moderering.
- Husk
store: falsefor følsomme data.