Περιγραφή Εικόνας
Σε αυτήν τη σελίδα
Εξαγωγή Συμπερασμάτων από τις Εικόνες σας
Η περιγραφή εικόνας αποτελεί την πιο φυσική περίπτωση χρήσης για την πολυτροπική όραση του Grok. Στέλνετε μια εικόνα, θέτετε μια ερώτηση και το μοντέλο επιστρέφει μια λεπτομερή ανάλυση σε μορφή κειμένου. Παρά την φαινομενική απλότητά της, αυτή η δυνατότητα ανοίγει σημαντικές προοπτικές για περιβάλλοντα παραγωγής.
Γενική Περιγραφή
Το πιο απλό αίτημα είναι να ζητήσετε μια περιγραφή ελεύθερης μορφής:
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."}
]
)
Το μοντέλο εντοπίζει βασικά στοιχεία (αντικείμενα, άτομα, κείμενο, χρώματα, σύνθεση) και παράγει μια περιγραφική παράγραφο. Για τις περισσότερες εικόνες, η λειτουργία auto είναι επαρκής.
Δομημένη Περιγραφή
Σε περιβάλλοντα παραγωγής, οι περιγραφές ελεύθερης μορφής σπάνια είναι άμεσα usable. Θα θέλετε να καθοδηγήσετε το μοντέλο με ένα δομημένο 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}
]
)
Αυτή η μορφή είναι έτοιμη για χρήση στην εφαρμογή σας, ώστε να populate-άρετε μια βάση δεδομένων, μια μηχανή αναζήτησης ή έναν κατάλογο.
Παράδειγμα: Δελτία Προϊόντων Ηλεκτρονικού Εμπορίου
Μια συχνά ζητούμενη περίπτωση χρήσης είναι η αυτόματη δημιουργία περιγραφών προϊόντων από φωτογραφίες:
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
Χρησιμοποιώντας την παράμετρο detail: "high", το μοντέλο καταγράφει λεπτομερείς πληροφορίες του προϊόντος (υφές, ετικέτες, φινιρίσματα) που εμπλουτίζουν την περιγραφή.
Παράδειγμα: Εναλλακτικό Κείμενο (Προσβασιμότητα)
Η αυτόματη δημιουργία γνωρισμάτων alt για τις εικόνες του ιστότοπού σας βελτιώνει την προσβασιμότητα και το 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
Η λειτουργία low είναι επαρκής εδώ, καθώς το εναλλακτικό κείμενο αποτελεί μια γενική περιγραφή και όχι μια λεπτομερή ανάλυση.
Παράδειγμα: Διαχείριση Περιεχομένου (Moderation)
Μπορείτε να χρησιμοποιήσετε την όραση για να φιλτράρετε αυτόματα τις εικόνες που ανεβάζουν οι χρήστες σας:
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
Βέλτιστες Πρακτικές για την Περιγραφή
- Να είστε ακριβείς στο prompt σας: Το «Περιγράψτε αυτή την εικόνα» παράγει ασαφή αποτελέσματα. Το «Εντοπίστε τα προϊόντα, τα χρώματα και το ορατό κείμενο» είναι πολύ πιο αποτελεσματικό.
- Ζητήστε μια δομημένη μορφή (JSON, λίστα) για να διευκολύνετε την αυτόματη επεξεργασία.
- Προσαρμόστε το επίπεδο λεπτομέρειας στην ανάγκη:
lowγια ταξινόμηση,highγια λεπτομερή ανάλυση. - Χρησιμοποιήστε
store: falseγια ευαίσθητες εικόνες ή εκείνες που υπόκεινται στον GDPR.
Βασικά σημεία
- Η περιγραφή εικόνας είναι η θεμελιώδης περίπτωση χρήσης για την όραση του Grok.
- Δομήστε τα prompts σας για να λάβετε usable αποκρίσεις (JSON, λίστες).
- Προσαρμόστε την παράμετρο
detailστο απαιτούμενο επίπεδο ακρίβειας. - Συχνές εφαρμογές περιλαμβάνουν το ηλεκτρονικό εμπόριο, την προσβασιμότητα και τη διαχείριση περιεχομένου (moderation).
- Θυμηθείτε το
store: falseγια ευαίσθητα δεδομένα.