Képek küldése a ChatGPT-nek
Ezen az oldalon
A ChatGPT nem korlátozódik csak a szövegre. Dobj be egy fotót, képernyőmentést, diagramot vagy beolvasott dokumentumot a beszélgetésbe, majd tedd fel a kérdést róla. A váltás mélyebb, mint elsőre tűnik: ahelyett, hogy szavakkal írnád le, amit látsz, egyszerűen megmutatod. Az OpenAI Súgóközpontja szerint ez a funkció minden előfizetési csomagban elérhető, beleértve az ingyenes verziót is, és minden ChatGPT-modell fogad képeket.
Támogatott formátumok és beviteli módszerek
A ChatGPT elfogadja a PNG, JPEG és nem animált GIF képeket, egyenként legfeljebb 20 MB méretig. A hozzáadáshoz kattints a + ikonra a beviteli mezőben, majd válaszd a Fotók és fájlok hozzáadása lehetőséget; húzd be a fájlt a szövegterületre; vagy illeszd be a vágólapról másolt képet. Mobilon közvetlenül is készíthetsz fotót, vagy kiválaszthatsz egyet a galériádból.
Nincs rögzített korlát a beszélgetésenként küldhető képek számára: a limit a képmérettől és a kísérő szöveg mennyiségétől függ. Ha problémába ütközöl, a Súgóközpont javasolja a képek számának vagy méretének csökkentését. A ChatGPT videófájlokat is fogad, de az elemzés hiányos vagy pontatlan lehet, különösen a hanganyagok esetén.
Önmagában a kép nem mond semmit
A klasszikus kezdő hiba mindig ugyanaz: utasítás nélkül elküldeni egy fotót. Szándék hiányában a modell az alapértelmezett viselkedésére vált vissza – leírásra –, és egy helyes, de alacsony hozzáadott értékű bekezdést kapsz válaszul.
Készíts egy fotót egy whiteboardról egy megbeszélés után. A „Mi ez?“ kérdésre egy általános leírást kapsz. Ezzel szemben a „Íme a bevezető megbeszélésünkről készült whiteboard. Írd át táblázatba a döntéseket és a feladatokat a felelősökkel együtt“ kérésre egy használható deliverable-t (kézbesíthető eredményt) kapsz. A kép mindkét esetben ugyanaz; csak a szándék változott. Ha egy adott területre szeretnéd felhívni a figyelmet, a Súgóközpont javasolja a kép annotálását elküldés előtt, például a releváns rész körberajzolásával.
Több kép egyetlen üzenetben
Küldhetsz egyszerre több képet is, és kérhetsz kereszt-elemzést. Két fotó ugyanarról a termékről, különböző időpontokban készítve, egy „Hasonlítsd össze ezt a két fotót, és sorold fel a látható változásokat“ kéréssel párosítva strukturált összehasonlító választ eredményez, nem pedig két egymás melletti leírást, amit neked kellene összevetned. Tartsd ésszerű keretek között a mennyiséget: ahogy a köteg nő, úgy nő annak az esélye is, hogy a finom részletek elvesznek.
Legyen a fotózás a reflexed
A legnagyobb megtérülést gyakran a legegyszerűbb esetek hozzák: egy hibaüzenet képernyőmentése magyarázattal, egy papíralapú űrlap átírása, egy diagram kommentálása, egy helyiség elrendezésének terve, egy címke lefordítása. Minden esetben ugyanaz a szabály érvényes: éles kép, világos célkitűzés és pontos kimeneti formátum.
Mi akadályozza meg az elemzést
A homályos vagy túl sötét kép marad a legfőbb akadály: egyetlen prompt sem ment meg egy rossz felvételt, ezért készíts újat. Az OpenAI Súgóközpontja felsorol néhány ismert korlátot is, amit érdemes észben tartani:
- Orvosi képalkotás: A modell nem alkalmas specializált orvosi képek, például CT-felvételek értelmezésére, és tilos orvosi tanácsadásra használni.
- Szöveg: A nem latin betűs írásrendszereket kevésbé pontosan olvassa; a kis méretű szöveg nagyítást igényel; a forgatott vagy fejjel lefelé álló szöveg félreértelmeződhet.
- Diagramok: A csak vonalstílussal (folytonos, szaggatott vagy pontozott) megkülönböztetett görbék zavart okozhatnak.
- Tér és számlálás: A pontos lokalizáció, például a bábuk helyzete egy sakkállásban, nehézkes, a tárgyak megszámolása pedig csak közelítőleges.
- Formák és fájlok: A panoráma vagy halszemoptikával készült képek problémát okozhatnak; a modell nem olvassa a fájlneveket vagy a metaadatokat, és a képet átméretezi elemzés előtt.
A túlzott magabiztosság további kockázatot jelent: kétértelmű elemek esetén a ChatGPT indokolatlan bizonyossággal válaszolhat, és tévedhet. Ezért minden kritikus információt – összegeket, dózisokat, hivatkozásokat – ellenőrizz az eredeti forrással szemben. Végül gondold át az adatvédelmet, mielőtt számlát, személyi igazolványt vagy személyes adatokat tartalmazó képernyőmentést küldenél: a képekre ugyanazok az adathasználati szabályok vonatkoznak, mint a tartalmad többi részére.
Rajtad a sor
Mutasd, ne írd le. Készíts fotót egy munkahelyi dokumentumról: egy whiteboardról, egy űrlapról vagy egy nyomtatott diagramról. Küldd el egyszer a „Mi ez?“ kérdéssel, majd újra, egy világos célkitűzéssel és egy specifikus kimeneti formátum megadásával. Ezután ellenőrizz három elemet a második válaszból az eredetivel való összehasonlítással.
Hivatalos források: ChatGPT Image Inputs FAQ · How your data is used to improve model performance (OpenAI Súgóközpont) · Image inputs (ChatGPT dokumentáció)
Főbb megállapítások
- Minden ChatGPT-csomag és modell fogad képeket: PNG, JPEG és nem animált GIF formátumban, egyenként legfeljebb 20 MB méretig
- Mindig társíts a képhez egy célkitűzést és egy kimeneti formátumot; jelöld meg a fontos területet annotációval
- Több kép is elemezhető együtt, de a túl nagy kötegekben a finom részletek elveszhetnek
- Ismerd a dokumentált korlátokat: orvosi képalkotás, nem latin írásrendszerek, számlálás és pontos lokalizáció
- Ellenőrizd az összes kritikus információt, és mérlegeld az adatvédelmi szempontokat képküldés előtt