Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Opis slike

Lekcija 5 od 12 Ažurirano 30. srpnja 2026. Početnik
Na ovoj stranici
  1. Izvuci uvide iz svojih slika
  2. Opći opis
  3. Strukturirani opis
  4. Primjer: Listovi proizvoda za e-trgovinu
  5. Primjer: Alternativni tekst (pristupačnost)
  6. Primjer: Moderacija sadržaja
  7. Najbolje prakse za opisivanje
  8. Ključne točke

Izvuci uvide iz svojih slika

Grok OCR - ekstrakcija teksta sa slike Opis slike najprirodniji je slučaj upotrebe za Grokov multimodalni vid. Pošalješ sliku, postaviš pitanje i model vraća detaljnu tekstualnu analizu. Iako zavaravajuće jednostavno, ova mogućnost otvara značajne perspektive u proizvodnji.

E-trgovina
Automatski listovi proizvoda
Pristupačnost
Automatski alt tekst
Moderacija
Filtriranje sadržaja
Katalog
Automatsko indeksiranje

Opći opis

Najjednostavniji zahtjev je traženje opisa u slobodnom obliku:

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."}
    ]
)

Model identificira ključne elemente (objekte, ljude, tekst, boje, kompoziciju) i stvara opisni odlomak. Za većinu slika način rada auto je dovoljan.

Strukturirani opis

U proizvodnji su opisi u slobodnom obliku rijetko upotrebljivi. Željet ćeš usmjeriti model strukturiranim upitom:

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}
    ]
)

Ovaj format spreman je za upotrebu u tvojoj aplikaciji za popunjavanje baze podataka, tražilice ili kataloga.

Primjer: Listovi proizvoda za e-trgovinu

Jedan od najtraženijih slučajeva upotrebe je automatsko generiranje opisa proizvoda na temelju fotografija:

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

Korištenjem detail: "high", model hvata fine detalje proizvoda (teksture, etikete, završne obrade) koji obogaćuju opis.

Primjer: Alternativni tekst (pristupačnost)

Automatsko generiranje atributa alt za slike na tvojoj web-lokaciji poboljšava pristupačnost i SEO:

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

Način low ovdje je dovoljan jer je alternativni tekst opći opis, a ne analiza sitnih detalja.

Primjer: Moderacija sadržaja

Vid možeš iskoristiti za automatsko filtriranje slika koje učitavaju tvoji korisnici:

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

Najbolje prakse za opisivanje

  • Budi precizan u svom upitu: „Opiši ovu sliku“ daje nejasne rezultate. „Identificiraj proizvode, boje i vidljivi tekst“ mnogo je učinkovitije.
  • Zatraži strukturirani format (JSON, popis) kako bi olakšao automatsku obradu.
  • Prilagodi razinu detalja potrebi: low za klasifikaciju, high za finu analizu.
  • Koristi store: false za osjetljive slike ili one koje podliježu GDPR-u.

Ključne točke

  • Opis slike temeljni je slučaj upotrebe za Grok vid.
  • Strukturiraj svoje upite kako bi dobio upotrebljive odgovore (JSON, popisi).
  • Prilagodi parametar detail traženoj razini preciznosti.
  • Uobičajene primjene uključuju e-trgovinu, pristupačnost i moderaciju.
  • Zapamti store: false za osjetljive podatke.