Leideanna Ilmhóideacha
Ar an leathanach seo
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: falsesan 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: falsechun fadhbanna stórála le híomhánna a sheachaint - Níl ach formáidí JPG, JPEG, agus PNG inghlactha, le huasmhéid 20 MB