Usporedba više slika
Na ovoj stranici
Analiza više slika u jednom zahtjevu
Jedna od ključnih prednosti Grok Visiona je mogućnost slanja neograničenog broja slika u jednom zahtjevu. To otvara jedinstvene mogućnosti za usporedbu, praćenje kroz vrijeme i unakrsnu analizu koje API-ji za jednu sliku ne mogu ponuditi.
Struktura zahtjeva s više slika
Format je jednostavan: dodaj onoliko objekata input_image koliko ti treba u polje input, ispreplićući ih tekstom koji usmjerava analizu:
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_text", "text": "Image A:"},
{"type": "input_image", "image_url": url_image_a},
{"type": "input_text", "text": "Image B:"},
{"type": "input_image", "image_url": url_image_b},
{"type": "input_text", "text": "Compare these two images in detail."}
]
)
Označavanje svake slike tekstom („Slika A“, „Slika B“) pomaže modelu da strukturira svoj odgovor i jasno se poziva na svaku sliku.
Slučaj uporabe: Usporedba prije i poslije
Idealno za praćenje projekata, renoviranja, dizajn ili kontrolu kvalitete:
def comparer_avant_apres(url_avant, url_apres):
prompt = """Compare these two images (before and after) and identify:
1. The main changes
2. Elements that have not changed
3. Visible improvements
4. Any potential issues introduced
Present your response as a structured list."""
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_text", "text": "BEFORE:"},
{"type": "input_image", "image_url": url_avant, "detail": "high"},
{"type": "input_text", "text": "AFTER:"},
{"type": "input_image", "image_url": url_apres, "detail": "high"},
{"type": "input_text", "text": prompt}
],
store=False
)
return response.output_text
Slučaj uporabe: Praćenje kroz vrijeme
Prati evoluciju lokacije, proizvoda ili procesa tijekom vremena:
def analyser_evolution(images_chronologiques):
"""images_chronologiques: list of {"url": ..., "date": ...}"""
input_data = []
for img in images_chronologiques:
input_data.append({
"type": "input_text",
"text": f"Photo from {img['date']}:"
})
input_data.append({
"type": "input_image",
"image_url": img["url"],
"detail": "auto"
})
input_data.append({
"type": "input_text",
"text": """Analyze the chronological evolution visible in
these images. Identify progressive changes, trends,
and any notable events between the different dates."""
})
response = client.responses.create(
model="grok-4.5",
input=input_data,
store=False
)
return response.output_text
Slučaj uporabe: Kontrola kvalitete
Usporedi proizvedeni proizvod s njegovim referentnim modelom:
def controle_qualite(url_reference, url_produit):
prompt = """Compare the photographed product to the reference model.
Identify:
1. Compliance (what matches the model)
2. Non-compliance (deviations, defects, differences)
3. Severity of each non-compliance (minor, major, critical)
Return a JSON with:
{
"compliant": true/false,
"score": 0-100,
"compliances": [...],
"non_compliances": [
{"description": "...", "severity": "minor|major|critical"}
]
}"""
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_text", "text": "REFERENCE (expected model):"},
{"type": "input_image", "image_url": url_reference, "detail": "high"},
{"type": "input_text", "text": "PRODUCT to check:"},
{"type": "input_image", "image_url": url_produit, "detail": "high"},
{"type": "input_text", "text": prompt}
],
store=False
)
return response.output_text
Slučaj uporabe: Konkurentska analiza
Usporedi sučelja, ambalaže ili prezentacije proizvoda konkurenata:
def analyser_concurrence(images_concurrents):
"""images_concurrents: [{"brand": "...", "url": "..."}]"""
input_data = []
for concurrent in images_concurrents:
input_data.append({
"type": "input_text",
"text": f"{concurrent['brand']}:"
})
input_data.append({
"type": "input_image",
"image_url": concurrent["url"],
"detail": "auto"
})
input_data.append({
"type": "input_text",
"text": """Compare these competitor products/interfaces.
For each, identify visual strengths and weaknesses.
Provide a positioning recommendation."""
})
response = client.responses.create(
model="grok-4.5",
input=input_data,
store=False
)
return response.output_text
Optimizacija zahtjeva s više slika
Kada šalješ mnogo slika, potrošnja tokena brzo raste. Evo nekoliko strategija optimizacije:
Prilagodi razinu detalja
Koristi low za opće usporedbe, a high samo kada analiziraš fine detalje:
# Global comparison: low is sufficient
detail = "low" # ~256 tokens per image
# Defect analysis: high required
detail = "high" # ~1024-1792 tokens per image
Ograniči broj slika po zahtjevu
Iako ne postoji strogo ograničenje, s više od 10–15 slika kvaliteta analize može opasti. Model ima konačan kontekst i mora ga raspodijeliti na sve slike:
# If more than 10 images, process in batches
def analyser_par_lots(images, taille_lot=10):
resultats = []
for i in range(0, len(images), taille_lot):
lot = images[i:i + taille_lot]
resultat = analyser_lot(lot)
resultats.append(resultat)
return fusionner_resultats(resultats)
Promijeni veličinu slika
Ako uspoređuješ fotografije visoke rezolucije za opću analizu, promijeni im veličinu prije slanja kako bi smanjio broj tokena:
def preparer_pour_comparaison(chemin, taille_max=(800, 800)):
img = Image.open(chemin)
img.thumbnail(taille_max)
# ... encode to base64
Ključne točke
- Broj slika po zahtjevu je neograničen – to je ključna prednost xAI API-ja
- Označi svaku sliku tekstom kako bi strukturirao analizu
- Prilagodi parametar
detailvrsti usporedbe - Kod više od 10–15 slika obrađuj ih u serijama kako bi održao kvalitetu
- Slučajevi uporabe uključuju: prije i poslije, praćenje kroz vrijeme, kontrolu kvalitete i konkurentsku analizu