Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

Optimigh na chomharthaí íomhá

Ceacht 10 as 12 Nuashonraithe 30 Iúil 2026 Doicnéir
Ar an leathanach seo
  1. Rialaigh do chostais sa táirgeadh
  2. Straitéis 1: Roghnaigh an leibhéal mionsonraíochta ceart
  3. Straitéis 2: Athraigh méid sula seoladh
  4. Straitéis 3: Píblíne dhá phas
  5. Straitéis 4: Caiséáil
  6. Monatóireacht agus foláirimh
  7. Príomhphointí

Rialaigh do chostais sa táirgeadh

Sa táirgeadh, is féidir le comharthaí íomhá codán suntasach de do bhille API a dhéanamh suas. Úsáideann íomhá amháin i mód high suas le 1,792 comhartha—coibhéiseach le roinnt míreanna téacs. Méadaigh é sin faoi na céadta nó na mílte iarratas in aghaidh an lae, agus éiríonn an t-optamú riachtanach.

Straitéis 1: Roghnaigh an leibhéal mionsonraíochta ceart

Is é an paraiméadar detail do phríomhghiuirléid optamaithe. Is é an botún is coitianta ná high a úsáid mar réamhshocrú nuair a leor low nó auto sa chuid is mó de chásanna.

Maitrís cinnteoireachta

Tasc Mionsonraíocht mholta Comharthaí measta
Aicmiú íomhá low ~256
Cur síos ginearálta auto ~512-768
Téacs alt / inrochtaineacht low ~256
Maoirseacht ábhair auto ~512-768
OCR / eastóscadh téacs high ~1024-1792
Anailís cairte high ~1024-1792
Braith lochtanna high ~1024-1792

Straitéis 2: Athraigh méid sula seoladh

Is annamh a bhíonn íomhánna ardtaifigh (4K, 8K) riachtanach d’anailís AI. Laghdaíonn athrú méide comhsheasmhach ar do chuid íomhánna sula seoladh tú iad na comharthaí gan tionchar suntasach ar cháilíocht na hanailíse.

from PIL import Image
import io
import base64

class OptimiseurImage:
    TAILLES_PAR_TACHE = {
        "classification": (512, 512),
        "description": (1024, 1024),
        "ocr": (2048, 2048),
        "comparison": (800, 800),
    }

    @staticmethod
    def optimiser(chemin, tache="description", qualite=85):
        taille_max = OptimiseurImage.TAILLES_PAR_TACHE.get(
            tache, (1024, 1024)
        )

        img = Image.open(chemin)

        # Do not enlarge small images
        if img.width <= taille_max[0] and img.height <= taille_max[1]:
            pass
        else:
            img.thumbnail(taille_max)

        # Convert to JPEG to reduce size
        if img.mode in ("RGBA", "P"):
            img = img.convert("RGB")

        buffer = io.BytesIO()
        img.save(buffer, "JPEG", quality=qualite)
        buffer.seek(0)

        encoded = base64.standard_b64encode(buffer.read()).decode()
        return f"data:image/jpeg;base64,{encoded}"

Straitéis 3: Píblíne dhá phas

Do thoirt mhór, úsáid píblíne dhá phas—pas tapa i low ar dtús chun sórtáil, agus ansin dara pas i high ach amháin do na híomhánna a éilíonn é:

def pipeline_deux_passes(images):
    # Pass 1: fast classification (low)
    classifications = []
    for img in images:
        response = client.responses.create(
            model="grok-4.5",
            input=[
                {"type": "input_image", "image_url": img, "detail": "low"},
                {"type": "input_text", "text": "Classify: document, photo, chart, other. One word."}
            ],
            store=False
        )
        classifications.append({
            "url": img,
            "type": response.output_text.strip().lower()
        })

    # Pass 2: detailed analysis (high) only if necessary
    resultats = []
    for item in classifications:
        if item["type"] in ("document", "chart"):
            detail = "high"
        else:
            detail = "auto"

        response = client.responses.create(
            model="grok-4.5",
            input=[
                {"type": "input_image", "image_url": item["url"], "detail": detail},
                {"type": "input_text", "text": "Detailed analysis of this image."}
            ],
            store=False
        )
        resultats.append(response.output_text)

    return resultats

Straitéis 4: Caiséáil

Má dhéanann tú anailís ar na híomhánna céanna go minic (tástálacha, forbairt, taispeántas), déan caiséáil ar na torthaí:

import hashlib
import json

cache = {}

def vision_avec_cache(image_url, prompt, detail="auto"):
    # Create a unique key
    cle = hashlib.sha256(
        f"{image_url}:{prompt}:{detail}".encode()
    ).hexdigest()

    if cle in cache:
        return cache[cle]

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

    cache[cle] = response.output_text
    return response.output_text

Monatóireacht agus foláirimh

Cuir rianú costais ar bun chun sáruithe a bhrath:

def monitorer_tokens(response, seuil_alerte=5000):
    usage = response.usage
    image_tokens = usage.prompt_tokens_details.image_tokens

    if image_tokens > seuil_alerte:
        print(f"ALERT: {image_tokens} image tokens (threshold: {seuil_alerte})")

    return {
        "image_tokens": image_tokens,
        "text_tokens": usage.prompt_tokens_details.text_tokens,
        "total": usage.total_tokens
    }

Príomhphointí

  • Roghnaigh an leibhéal detail atá oiriúnach don tasc—low nuair is leor é
  • Athraigh méid na n-íomhánna sula seoladh tú iad chun tomhaltas a laghdú
  • Úsáid píblíne dhá phas do thoirt mhór
  • Déan caiséáil ar thorthaí chun glaotha iomarcacha a sheachaint
  • Déan monatóireacht ar chomharthaí íomhá sa táirgeadh chun costais a réamh-mheas