Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Kuvien kuvaus

Oppitunti 5 / 12 Päivitetty 30. heinäkuuta 2026 Aloittelija
Tällä sivulla
  1. Hae oivalluksia kuvistasi
  2. Yleinen kuvaus
  3. Jäsennelty kuvaus
  4. Esimerkki: Verkkokaupan tuotesivut
  5. Esimerkki: Vaihtoehtoinen teksti (saavutettavuus)
  6. Esimerkki: Sisällön moderointi
  7. Parhaat käytännöt kuvauksessa
  8. Keskeiset asiat

Hae oivalluksia kuvistasi

Grok OCR - tekstin erottaminen kuvasta Kuvien kuvaus on Grokin multimodaalisen näkökyvyn luontevin käyttötapa. Lähetät kuvan, esität kysymyksen ja malli palauttaa yksityiskohtaisen tekstianalyysin. Vaikka tämä vaikuttaa yksinkertaiselta, ominaisuus avaa merkittäviä mahdollisuuksia tuotantoympäristöissä.

Verkkokauppa
Automaattiset tuotesivut
Saavutettavuus
Automaattinen alt-teksti
Moderointi
Sisällön suodatus
Luettelointi
Automaattinen indeksointi

Yleinen kuvaus

Yksinkertaisin pyyntö on pyytää vapaamuotoinen kuvaus:

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."}
    ]
)

Malli tunnistaa keskeiset elementit (objektit, ihmiset, teksti, värit, sommittelu) ja tuottaa kuvaavan kappaleen. Useimpiin kuviin auto-tila riittää.

Jäsennelty kuvaus

Tuotantoympäristöissä vapaamuotoiset kuvaukset ovat harvoin käyttökelpoisia. Haluat ohjata mallia jäsennellyllä kehotteella:

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}
    ]
)

Tämä muoto on valmis käytettäväksi sovelluksessasi tietokannan, hakukoneen tai luettelon täyttämiseen.

Esimerkki: Verkkokaupan tuotesivut

Yksi kysytyimmistä käyttötapauksista on tuotekuvausten automaattinen generointi valokuvista:

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

Käyttämällä asetusta detail: "high", malli tallentaa hienovaraiset tuotetiedot (tekstuurit, etiketit, viimeistelyt), jotka rikastuttavat kuvausta.

Esimerkki: Vaihtoehtoinen teksti (saavutettavuus)

Sivustosi kuvien alt-attribuuttien automaattinen generointi parantaa saavutettavuutta ja SEO-tuloksia:

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-tila riittää tähän, sillä vaihtoehtoinen teksti on yleiskuvaus, ei hienojakoista analyysiä.

Esimerkki: Sisällön moderointi

Voit käyttää näkökykyä suodattaaksesi automaattisesti käyttäjiesi lataamia kuvia:

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

Parhaat käytännöt kuvauksessa

  • Ole tarkka kehotteessasi: “Kuvaile tämä kuva” tuottaa epämääräisiä tuloksia. “Tunnista tuotteet, värit ja näkyvä teksti” on paljon tehokkaampaa.
  • Pyydä jäsenneltyä muotoa (JSON, lista) automaattisen käsittelyn helpottamiseksi.
  • Säädä yksityiskohtaisuustaso tarpeen mukaan: low luokitteluun, high hienojakoiseen analyysiin.
  • Käytä asetusta store: false arkaluonteisille kuville tai kuville, jotka kuuluvat GDPR:n piiriin.

Keskeiset asiat

  • Kuvien kuvaus on Grok Visionin peruskäyttötapaus.
  • Jäsentele kehotteesi saadaksesi käyttökelpoisia vastauksia (JSON, listat).
  • Säädä detail-parametri vaaditun tarkkuustason mukaan.
  • Yleisiä sovelluksia ovat verkkokauppa, saavutettavuus ja moderointi.
  • Muista käyttää asetusta store: false arkaluonteisille tiedoille.