Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

Leideanna Ilmhóideacha

Ceacht 9 as 14 Nuashonraithe 30 Iúil 2026 Doicnéir
Ar an leathanach seo
  1. Téacs agus íomhánna sa leide chéanna
  2. Íomhá a sheoladh chuig Grok
  3. An paraiméadar detail: cruinneas a rialú
  4. Foinse na n-íomhánna
  5. Cásanna úsáide praiticiúla
  6. Saincheisteanna teicniúla tábhachtacha
  7. Leide ilmhóideach mhaith a scríobh
  8. Cleachtas praiticiúil
  9. Príomhphointí

Téacs agus íomhánna sa leide chéanna

Is féidir le samhlacha Grok 4.5 agus níos déanaí íomhánna a anailísiú chomh maith le téacs. Osclaíonn an cumas ilmhóideach seo raon leathan deiseanna: cur síos ar íomhánna, OCR, anailís ar ghrafanna, comparáid amhairc, agus go leor eile.

Trí leideanna ilmhóideacha a mháistriú, is féidir leat Grok a úsáid mar chúntóir amhairc chomh maith le cúntóir téacs.

Íomhá a sheoladh chuig Grok

Leis an API Freagraí (príomhphointe deiridh), cuimsítear íomhánna sa réimse input mar oibiachtaí clóscríofa:

{
  "model": "grok-4.5",
  "input": [
    {"type": "input_image", "image_url": "https://exemple.com/dashboard.png"},
    {"type": "input_text", "text": "Analyze this dashboard and identify declining metrics."}
  ]
}

Leis an API Críochnú Comhrá (seanphointe deiridh), tá an struchtúr beagán difriúil:

{
  "model": "grok-4.5",
  "messages": [{
    "role": "user",
    "content": [
      {"type": "image_url", "image_url": {"url": "https://exemple.com/dashboard.png", "detail": "high"}},
      {"type": "text", "text": "Analyze this dashboard and identify declining metrics."}
    ]
  }]
}

An paraiméadar detail: cruinneas a rialú

Bíonn tionchar ag an leibhéal sonraí ar dhoimhneacht na hanailíse agus ar líon na dtócan a úsáidtear:

detail: low

Déantar an íomhá a phróiseáil go tapa ag taifeach laghdaithe. Úsáid an mód seo chun:

  • Íomhánna a aicmiú (grianghraf, léaráid, diagraim)
  • Cur síos a dhéanamh ar ábhar ginearálta
  • Príomhrudaí a aithint
  • Íomhánna a shórtáil de réir catagóire

Tomhaltas: níos lú tócan, freagra níos tapúla.

detail: high

Déantar an íomhá a anailísiú ag taifeach ard. Úsáid an mód seo chun:

  • Téacs in íomhá a léamh (OCR)
  • Sonraí i ngraf nó i ndiagraim a anailísiú
  • Eilimintí amhairc cruinne a chur i gcomparáid
  • Lochtanna nó mínormáltachtaí a bhrath

Tomhaltas: níos mó tócan (idir 256 agus 1,792 ag brath ar mhéid), freagra níos moille.

detail: auto

Roghnaíonn an tsamhail an leibhéal oiriúnach léi féin. Seo an iompar réamhshocraithe.

Foinse na n-íomhánna

URL díreach

An modh is simplí: soláthair nasc HTTPS don íomhá.

{"type": "input_image", "image_url": "https://exemple.com/photo.jpg"}

Base64 (URI sonraí)

Do íomhánna nach bhfuil óstáilte ar líne, ionchódaigh iad i mbase64:

{"type": "input_image", "image_url": "data:image/png;base64,iVBORw0KGgo..."}

Tá an modh seo úsáideach do scáileáin, íomhánna a ghintear go clárúcháin, nó íomhánna ó phíblíne próiseála.

Cásanna úsáide praiticiúla

OCR agus eastóscadh téacs

{
  "input": [
    {"type": "input_image", "image_url": "https://exemple.com/facture.jpg"},
    {"type": "input_text", "text": "Extract from this invoice: the invoice number, date, amount excluding tax, VAT, and amount including tax. Return the result in JSON."}
  ]
}

Anailís ar ghrafanna

{
  "input": [
    {"type": "input_image", "image_url": "https://exemple.com/graphique-ventes.png"},
    {"type": "input_text", "text": "This chart shows our monthly sales over 12 months. Identify trends, peaks, and troughs. Suggest possible explanations for the variations."}
  ]
}

Comparáid íomhánna

{
  "input": [
    {"type": "input_text", "text": "Compare these two versions of our logo:"},
    {"type": "input_image", "image_url": "https://exemple.com/logo-v1.png"},
    {"type": "input_image", "image_url": "https://exemple.com/logo-v2.png"},
    {"type": "input_text", "text": "Identify the differences and recommend the best version for web use."}
  ]
}

Anailís ar chomhéadan úsáideora

{
  "input": [
    {"type": "input_image", "image_url": "https://exemple.com/mockup.png"},
    {"type": "input_text", "text": "Evaluate this mobile interface mockup based on the following criteria: readability, visual hierarchy, accessibility, consistency. Rate each criterion out of 10."}
  ]
}

Saincheisteanna teicniúla tábhachtacha

  • Uasmhéid: 20 MB in aghaidh na híomhá
  • Formáidí: JPG, JPEG, agus PNG amháin (gan GIF, SVG, ná WebP)
  • Gan teorainn ar líon na n-íomhánna in aghaidh na hiarrata
  • Leide xAI: úsáid store: false san API Freagraí agus tú ag obair le híomhánna chun earráidí a bhaineann le stóráil staire a sheachaint

Leide ilmhóideach mhaith a scríobh

Baineann na prionsabail shoiléireachta céanna leis, le saintréithe do íomhánna:

  • Fógair an íomhá: inis don tsamhail cad a fheicfidh sí sula dtaispeántar an íomhá
  • Bí cruinn faoin tasc: tá “Déan cur síos ar an íomhá seo” doiléir; tá “Eastósc sonraí ón mbarghraf agus fill é i gCSV” cruinn
  • Treoraigh an aird: mura bhfuil suim agat ach i gcuid den íomhá, léirigh é (“Dírigh ar an gcúinne barr ar dheis”)
  • Sonraigh formáid aschuir: mar a dhéantar le leideanna téacs, sonraigh an bhfuil súil agat le JSON, liosta, nó tábla

Cleachtas praiticiúil

Tóg scáileán de dhaisbhord, de ghraf, nó de dhoiciméad, agus seol chuig Grok é le hiarratas sonrach. Déan tástáil le detail: low agus ansin le detail: high agus déan comparáid idir cáilíocht agus luas na bhfreagraí.

Príomhphointí

  • Déanann samhlacha grok-4.5+ anailís ar íomhánna chomh maith le téacs
  • Rialaíonn an paraiméadar detail (low, auto, high) doimhneacht na hanailíse agus costas na dtócan
  • Is féidir íomhánna a sholáthar trí URL nó base64
  • Fógair an íomhá, bí cruinn faoin tasc, agus sonraigh an formáid aschuir
  • Úsáid store: false chun fadhbanna stórála le híomhánna a sheachaint
  • Níl ach formáidí JPG, JPEG, agus PNG inghlactha, le huasmhéid 20 MB