Többképes szerkesztés és hivatkozások
Ezen az oldalon
Frissítve: 2026. november 2. — Imagine. A
grok-imagine-image-qualitymodell 2026. november 2-tól megszűnt (a kéréseket az Imagine 2.0 kezelilowminőségben): a példák most agrok-imagine-image(Imagine 1.0) és agrok-imagine-image-2.0(Imagine 2.0,low,mediumvagyautominőség) modelleket használják. Az OpenAI SDK esetén azaspect_ratio,resolutionésqualityparamétereket azextra_bodyobjektumon keresztül kell átadni, míg a szerkesztést az xAI SDK-val vagy közvetlen HTTP-kéréssel végezzük.
Több forráskép kezelése
A szerkesztési végpont egyik legnagyobb előnye, hogy egyetlen kérésben akár 5 referenciaképet is megadhatsz. Ez fejlett kreatív lehetőségeket nyit meg: elemek kombinálása több forrásból, stílusok összemosása vagy összetett kompozíciók létrehozása.
Az images paraméter (többes szám)
Ha az image paraméterről az images paraméterre váltasz, az nemcsak a paraméter szerkezetét változtatja meg, hanem azt is, amit a modelltől kérsz. Egyetlen forrás esetén a modell módosít egy képet; több forrás esetén döntenie kell közöttük – el kell döntenie, mit vegyen át az egyes képekből. A modell mindenképpen dönteni fog; a kérdés csupán az, hogy te irányítod-e ezt a folyamatot, amire a következő szakasz fókuszál.
Vedd figyelembe, hogy a két paraméter kölcsönösen kizárja egymást: az image (egyetlen objektum) és az images (tömb) nem használható egyszerre.
import requests
import os
headers = {
"Authorization": f"Bearer {os.getenv('XAI_API_KEY')}",
"Content-Type": "application/json"
}
payload = {
"model": "grok-imagine-image",
"prompt": "Combine the character from the first image with "
"the landscape from the second image",
"images": [
{"url": "https://exemple.com/personnage.jpg"},
{"url": "https://exemple.com/paysage.jpg"}
]
}
response = requests.post(
"https://api.x.ai/v1/images/edits",
headers=headers,
json=payload
).json()
Képek hivatkozása a promptban
Ha több képet adsz meg, a promptban egyesével hivatkozhatsz rájuk a <IMAGE_0>, <IMAGE_1> stb. szintaxis használatával. Az indexelés 0-tól indul.
payload = {
"model": "grok-imagine-image",
"prompt": "Place the product from <IMAGE_0> on the table from <IMAGE_1>, "
"with the ambient lighting from <IMAGE_2>",
"images": [
{"url": "https://exemple.com/produit.jpg"}, # <IMAGE_0>
{"url": "https://exemple.com/table.jpg"}, # <IMAGE_1>
{"url": "https://exemple.com/ambiance.jpg"} # <IMAGE_2>
]
}
Ez a szintaxis választja el a kontrollált kompozíciót a hozzávetőleges összemosástól. A „kombináld ezeket a képeket“ utasítás mindent a modellre bíz; a „helyezd el a <IMAGE_0> termékét a <IMAGE_1> környezetében, megtartva a <IMAGE_1> világítását“ utasítás nem hagy teret az értelmezésnek. Amint egynél több forrást adsz meg, hivatkozz rájuk explicit módon.
Többképes használati esetek
Stílustranszfer
Egy referenciakép stílusának alkalmazása egy másik képre:
payload = {
"model": "grok-imagine-image-2.0",
"prompt": "Reproduce the content of <IMAGE_0> in the artistic style of <IMAGE_1>",
"images": [
{"url": "https://exemple.com/photo-originale.jpg"},
{"url": "https://exemple.com/reference-style.jpg"}
]
}
Termékkompozíció
Egy termék integrálása egy környezetbe, referenciavilágítással:
payload = {
"model": "grok-imagine-image-2.0",
"prompt": "Photograph the product from <IMAGE_0> placed on the furniture from <IMAGE_1> "
"in the room from <IMAGE_2>, consistent natural lighting",
"images": [
{"url": "https://exemple.com/produit-detouré.png"},
{"url": "https://exemple.com/meuble.jpg"},
{"url": "https://exemple.com/piece.jpg"}
]
}
Arc és háttér egyesítése
Egy portré kombinálása egy specifikus háttérrel:
payload = {
"model": "grok-imagine-image",
"prompt": "Place the person from <IMAGE_0> in front of the building from <IMAGE_1>, "
"keeping natural lighting and perspective",
"images": [
{"url": "https://exemple.com/portrait.jpg"},
{"url": "https://exemple.com/batiment.jpg"}
]
}
Korlátok és legjobb gyakorlatok
A technikai korlát kérésenként 5 kép, és szabadon keverheted a formátumokat – egyes források URL-ként, mások Base64-ként – ugyanabban a tömbben. Az igazi nehézség nem itt rejlik: hanem a prompt pontosságában, amelynek a képek számával arányosan növekednie kell. Két forrás esetén gyakran elég annyi, hogy „kombináld a karaktert és a környezetet“; öt forrás esetén a modell már nem tudja kitalálni, melyik elemet melyik képből vegye, és pontosan itt jön szerepbe a <IMAGE_1> és <IMAGE_5> közötti hivatkozás: „helyezd el a <IMAGE_2> logóját a <IMAGE_1> karakterének pólóján, a <IMAGE_3> világítási hangulatában“ nem hagy helyet a félreértésnek. Összetett, többforrásos kompozíciók esetén a pro modell (grok-imagine-image-quality) indokolja a többletköltséget: pontosan itt a leglátványosabb a különbség a szabványos modellhez képest, a heterogén elemek közötti konzisztencia terén.
Gyakorlati feladat
Próbálj meg kombinálni két saját képet:
payload = {
"model": "grok-imagine-image",
"prompt": "Create a scene where the object from <IMAGE_0> floats in the sky from <IMAGE_1>, "
"surrealist style",
"images": [
{"url": "URL_OF_YOUR_FIRST_IMAGE"},
{"url": "URL_OF_YOUR_SECOND_IMAGE"}
],
"n": 3
}
Generálj 3 variációt, hogy összehasonlítsd a modell értelmezéseit.
Főbb megállapítások
- Az
imagesparaméter tömbben akár 5 forrásképet fogad el - Az
image(egyes szám) és azimages(többes szám) kölcsönösen kizárják egymást - A
<IMAGE_0>,<IMAGE_1>szintaxis lehetővé teszi, hogy a promptban egyesével hivatkozz a képekre - Használati esetek közé tartozik a stílustranszfer, a kompozíció és az egyesítés
- Legyél precíz a promptban, ha több forrást használsz