Ir al contenido principal
Español— Elegir un idioma
Menú

Descripción de imágenes

Lección 5 de 12 Actualizado el 30 de julio de 2026 Principiante
En esta página
  1. Extrae información de tus imágenes
  2. Descripción general
  3. Descripción estructurada
  4. Ejemplo: Fichas de producto para comercio electrónico
  5. Ejemplo: Texto alternativo (accesibilidad)
  6. Ejemplo: Moderación de contenido
  7. Mejores prácticas para la descripción
  8. Puntos clave

Extrae información de tus imágenes

Grok OCR - extracción de texto desde una imagen La descripción de imágenes es el caso de uso más natural para la visión multimodal de Grok. Envías una imagen, formulas una pregunta y el modelo devuelve un análisis textual detallado. Aunque parece sencillo, esta capacidad abre posibilidades significativas en entornos de producción.

Comercio electrónico
Fichas de producto automáticas
Accesibilidad
Texto alternativo automático
Moderación
Filtrado de contenido
Catálogo
Indexación automática

Descripción general

La solicitud más sencilla consiste en pedir una descripción de forma libre:

response = client.responses.create(
    model="grok-4.5",
    input=[
        {"type": "input_image", "image_url": url_image},
        {"type": "input_text", "text": "Describe esta imagen en detalle."}
    ]
)

El modelo identifica los elementos clave (objetos, personas, texto, colores, composición) y genera un párrafo descriptivo. Para la mayoría de las imágenes, el modo auto es suficiente.

Descripción estructurada

En producción, las descripciones de forma libre rara vez son útiles. Querrás guiar al modelo mediante un prompt estructurado:

prompt = """Analiza esta imagen y devuelve un JSON con:
- "subject": el sujeto principal en una frase
- "objects": lista de objetos identificados
- "dominant_colors": los 3 colores principales
- "mood": el ambiente general (brillante, oscuro, cálido, etc.)
- "visible_text": cualquier texto legible en la imagen
"""

response = client.responses.create(
    model="grok-4.5",
    input=[
        {"type": "input_image", "image_url": url_image},
        {"type": "input_text", "text": prompt}
    ]
)

Este formato está listo para usar en tu aplicación y alimentar una base de datos, un motor de búsqueda o un catálogo.

Ejemplo: Fichas de producto para comercio electrónico

Un caso de uso muy solicitado es la generación automática de descripciones de productos a partir de fotografías:

def generate_product_sheet(image_url):
    prompt = """Eres un redactor experto en comercio electrónico. Basándote en esta
foto de producto, genera:

1. Un título de producto atractivo (máx. 80 caracteres)
2. Una descripción comercial (2-3 frases)
3. Características visibles (material, color, forma)
4. Palabras clave SEO relevantes (máximo 5)

Responde en 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

Al usar detail: "high", el modelo capta detalles finos del producto (texturas, etiquetas, acabados) que enriquecen la descripción.

Ejemplo: Texto alternativo (accesibilidad)

Generar automáticamente atributos alt para las imágenes de tu sitio web mejora la accesibilidad y el SEO:

def generate_alt_text(image_url):
    prompt = """Genera texto alternativo (atributo alt) para esta
imagen web. El texto debe:
- Ser conciso (máx. 125 caracteres)
- Describir el contenido, no el estilo
- No empezar con "Imagen de" o "Foto de"
- Ser útil para un lector de pantalla

Devuelve solo el texto alt, sin comillas."""

    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

El modo low es suficiente aquí porque el texto alternativo es una descripción general, no un análisis pormenorizado.

Ejemplo: Moderación de contenido

Puedes utilizar la visión para filtrar automáticamente las imágenes que suben tus usuarios:

def moderate_image(image_url):
    prompt = """Analiza esta imagen y clasifícala:
- "safe": contenido apropiado para todo público
- "warning": contenido sensible pero no prohibido
- "reject": contenido inapropiado

Devuelve un JSON con "classification" y "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

Mejores prácticas para la descripción

  • Sé preciso en tu prompt: «Describe esta imagen» produce resultados vagos. «Identifica los productos, colores y texto visible» es mucho más eficaz.
  • Solicita un formato estructurado (JSON, lista) para facilitar el procesamiento automático.
  • Ajusta el nivel de detalle a la necesidad: low para clasificación, high para análisis fino.
  • Usa store: false para imágenes sensibles o aquellas sujetas al RGPD.

Puntos clave

  • La descripción de imágenes es el caso de uso fundamental de Grok Vision.
  • Estructura tus prompts para obtener respuestas utilizables (JSON, listas).
  • Ajusta el parámetro detail al nivel de precisión requerido.
  • Las aplicaciones comunes incluyen comercio electrónico, accesibilidad y moderación.
  • Recuerda usar store: false para datos sensibles.