Vergleich mehrerer Bilder
Auf dieser Seite
Analyse mehrerer Bilder in einer einzigen Anfrage
Eine der zentralen Stärken von Grok Vision ist die Fähigkeit, in einer einzigen Anfrage eine unbegrenzte Anzahl von Bildern zu übermitteln. Dies eröffnet einzigartige Möglichkeiten für Vergleiche, zeitliche Verfolgungen und Querschnittsanalysen, die einzelne Bild-APIs nicht bieten können.
Struktur der Mehrbilder-Anfrage
Das Format ist einfach: Fügen Sie so viele input_image-Objekte wie benötigt dem input-Array hinzu und wechseln Sie diese mit Text ab, um die Analyse zu steuern:
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_text", "text": "Bild A:"},
{"type": "input_image", "image_url": url_image_a},
{"type": "input_text", "text": "Bild B:"},
{"type": "input_image", "image_url": url_image_b},
{"type": "input_text", "text": "Vergleichen Sie diese beiden Bilder im Detail."}
]
)
Die Beschriftung jedes Bildes mit Text („Bild A”, „Bild B”) hilft dem Modell, seine Antwort zu strukturieren und sich auf jedes Bild klar zu beziehen.
Anwendungsfall: Vorher/Nachher-Vergleich
Ideal für Projektverfolgung, Renovierung, Design oder Qualitätskontrolle:
def comparer_avant_apres(url_avant, url_apres):
prompt = """Vergleichen Sie diese beiden Bilder (vorher und nachher) und identifizieren Sie:
1. Die Hauptveränderungen
2. Elemente, die unverändert geblieben sind
3. Sichtbare Verbesserungen
4. Mögliche eingeführte Probleme
Geben Sie Ihre Antwort als strukturierte Liste aus."""
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
Anwendungsfall: Zeitliche Verfolgung
Verfolgen Sie die Entwicklung eines Ortes, eines Produkts oder eines Prozesses über die Zeit:
def analyser_evolution(images_chronologiques):
"""images_chronologiques: Liste von {"url": ..., "date": ...}"""
input_data = []
for img in images_chronologiques:
input_data.append({
"type": "input_text",
"text": f"Foto vom {img['date']}:"
})
input_data.append({
"type": "input_image",
"image_url": img["url"],
"detail": "auto"
})
input_data.append({
"type": "input_text",
"text": """Analysieren Sie die chronologische Entwicklung, die in
diesen Bildern sichtbar ist. Identifizieren Sie progressive
Veränderungen, Trends und zwischen den verschiedenen Daten
auftretende bemerkenswerte Ereignisse."""
})
response = client.responses.create(
model="grok-4.5",
input=input_data,
store=False
)
return response.output_text
Anwendungsfall: Qualitätskontrolle
Vergleichen Sie ein gefertigtes Produkt mit seinem Referenzmodell:
def controle_qualite(url_reference, url_produit):
prompt = """Vergleichen Sie das fotografierte Produkt mit dem Referenzmodell.
Identifizieren Sie:
1. Konformität (was dem Modell entspricht)
2. Nichtkonformität (Abweichungen, Mängel, Unterschiede)
3. Schweregrad jeder Nichtkonformität (gering, erheblich, kritisch)
Geben Sie ein JSON zurück mit:
{
"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": "REFERENZ (erwartetes Modell):"},
{"type": "input_image", "image_url": url_reference, "detail": "high"},
{"type": "input_text", "text": "ZU ÜBERPRÜFENDES PRODUKT:"},
{"type": "input_image", "image_url": url_produit, "detail": "high"},
{"type": "input_text", "text": prompt}
],
store=False
)
return response.output_text
Anwendungsfall: Wettbewerbsanalyse
Vergleichen Sie Schnittstellen, Verpackungen oder Produktpräsentationen von Wettbewerbern:
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": """Vergleichen Sie diese Wettbewerbsprodukte/-schnittstellen.
Identifizieren Sie für jedes visuelle Stärken und Schwächen.
Bieten Sie eine Positionierungsempfehlung an."""
})
response = client.responses.create(
model="grok-4.5",
input=input_data,
store=False
)
return response.output_text
Optimierung von Mehrbilder-Anfragen
Wenn Sie viele Bilder übermitteln, steigt der Tokenverbrauch schnell an. Hier sind einige Optimierungsstrategien:
Detailgrad anpassen
Verwenden Sie low für allgemeine Vergleiche und high nur bei der Analyse feiner Details:
# Globaler Vergleich: low ist ausreichend
detail = "low" # ~256 Tokens pro Bild
# Mangelanalyse: high erforderlich
detail = "high" # ~1024-1792 Tokens pro Bild
Anzahl der Bilder pro Anfrage begrenzen
Obwohl es keine harte Obergrenze gibt, kann die Analysequalität bei mehr als 10–15 Bildern nachlassen. Das Modell verfügt über einen begrenzten Kontext und muss diesen auf alle Bilder verteilen:
# Wenn mehr als 10 Bilder vorhanden sind, verarbeiten Sie diese 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)
Bilder vergrößern
Wenn Sie hochauflösende Fotos für eine allgemeine Analyse vergleichen, sollten Sie diese vor dem Senden verkleinern, um Tokens zu sparen:
def preparer_pour_comparaison(chemin, taille_max=(800, 800)):
img = Image.open(chemin)
img.thumbnail(taille_max)
# ... kodieren in Base64
Kernaussagen
- Die Anzahl der Bilder pro Anfrage ist unbegrenzt – dies ist ein wesentlicher Vorteil der xAI-API.
- Beschriften Sie jedes Bild mit Text, um die Analyse zu strukturieren.
- Passen Sie den
detail-Parameter dem Typ des Vergleichs an. - Bei mehr als 10–15 Bildern sollten Sie in Batches verarbeiten, um die Qualität zu erhalten.
- Anwendungsfälle umfassen: Vorher/Nachher, zeitliche Verfolgung, Qualitätskontrolle, Wettbewerbsanalyse.