Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Pildi kirjeldamine

Õppetund 5 / 12 Värskendatud 30. juuli 2026 Algajatele
Sellel lehel
  1. Ammuta oma piltidest sisulist teavet
  2. Üldine kirjeldus
  3. Struktureeritud kirjeldus
  4. Näide: E-kaubanduse tootelehed
  5. Näide: Alternatiivtekst (ligipääsetavus)
  6. Näide: Sisu moderatsioon
  7. Parimad tavad kirjeldamisel
  8. Peamised punktid

Ammuta oma piltidest sisulist teavet

Grok OCR – teksti eraldamine pildilt Pildi kirjeldamine on Groki mitmemodaalse nägemise kõige loomulikum kasutusjuhtum. Saadad pildi, esitad küsimuse ja mudel tagab üksikasjaliku tekstianalüüsi. See esmapilgul lihtne võimekus avab tootmises suured võimalused.

E-kaubandus
Automaatsed tootelehed
Ligipääsetavus
Automaatne alternatiivtekst
Moderatsioon
Sisu filtreerimine
Kataloog
Automaatne indekseerimine

Üldine kirjeldus

Lihtsaim päring on küsida vabas vormis kirjeldust:

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."}
    ]
)

Mudel tuvastab põhielemendid (objektid, inimesed, tekst, värvid, kompositsioon) ja koostab kirjeldava lõigu. Enamiku piltide puhul piisab režiimist auto.

Struktureeritud kirjeldus

Tootmiskeskkonnas on vabas vormis kirjeldused harva kasutatavad. Soovid mudelit juhtida struktureeritud vihjega:

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}
    ]
)

See vorming on valmis kasutamiseks sinu rakenduses andmebaasi, otsingumootori või kataloogi täitmiseks.

Näide: E-kaubanduse tootelehed

Üks enim nõutud kasutusjuhtumeid on tootefotode põhjal automaatne tootekirjelduste genereerimine:

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

Kasutades parameetrit detail: "high", tabab mudel peeneid tooteüksikasju (tekstuure, sildid, viimistlust), mis rikastavad kirjeldust.

Näide: Alternatiivtekst (ligipääsetavus)

Alternatiivsete alt-atribuutide automaatne genereerimine sinu saidi piltidele parandab ligipääsetavust ja SEO-d:

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

Siin piisab režiimist low, kuna alternatiivtekst on üldine kirjeldus, mitte peene eristusega analüüs.

Näide: Sisu moderatsioon

Saad kasutada nägemist kasutajate üles laaditud piltide automaatseks filtreerimiseks:

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

Parimad tavad kirjeldamisel

  • Ole oma vihjes täpne: „Kirjelda seda pilti“ annab ebamääraseid tulemusi. „Tuvasta tooted, värvid ja nähtav tekst“ on palju tõhusam.
  • Küsi struktureeritud vormingut (JSON, loend), et hõlbustada automaatset töötlemist.
  • Kohanda detailitaset vajadusele: low klassifitseerimiseks, high peeneks analüüsiks.
  • Kasuta store: false tundlike piltide või GDPR-i alla kuuluvate andmete puhul.

Peamised punktid

  • Pildi kirjeldamine on Groki nägemise fundamentaalne kasutusjuhtum.
  • Struktureeri oma vihjeid, et saada kasutatavaid vastuseid (JSON, loendid).
  • Kohanda parameetrit detail nõutava täpsustasemega.
  • Levinud rakendused hõlmavad e-kaubandust, ligipääsetavust ja moderatsiooni.
  • Pea meeles store: false tundlike andmete puhul.