Képleírás
Ezen az oldalon
Hasznos információk kinyerése a képeidből
A képleírás a Grok multimodális látási képességeinek legtermészetesebb alkalmazási területe. Küldesz egy képet, felteszel egy kérdést, a modell pedig részletes szöveges elemzéssel válaszol. Bár megtévesztően egyszerűnek tűnik, ez a funkció jelentős lehetőségeket nyit meg a éles környezetben történő használatra.
Általános leírás
A legegyszerűbb kérés egy szabad formátumú leírás bekérése:
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."}
]
)
A modell azonosítja a kulcselemeket (tárgyak, emberek, szöveg, színek, kompozíció), és előáll egy leíró bekezdéssel. A legtöbb képnél az auto mód elegendő.
Strukturált leírás
Éles környezetben a szabad formátumú leírások ritkán használhatók közvetlenül. Irányítanod kell a modellt egy strukturált prompttal:
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}
]
)
Ez a formátum azonnal felhasználható az alkalmazásodban adatbázisok feltöltésére, keresőmotorok optimalizálására vagy katalógusok készítésére.
Példa: E-kereskedelmi termékadatlapok
Kiemelten keresett alkalmazás a termékfotókból történő automatikus termékismertetők generálása:
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
A detail: "high" beállítás használatával a modell megragadja a termék finom részleteit (textúrák, címkék, felületkezelés), amelyek gazdagítják a leírást.
Példa: Alternatív szöveg (Akadálymentesítés)
A weboldalad képeihez tartozó alt attribútumok automatikus generálása javítja az akadálymentesítést és a SEO-t:
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
Itt a low mód elegendő, mivel az alternatív szöveg egy általános leírás, nem pedig részletes elemzés.
Példa: Tartalommoderálás
A látási képességeket arra is használhatod, hogy automatikusan szűrd a felhasználóid által feltöltött képeket:
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
Legjobb gyakorlatok a leíráshoz
- Légy pontos a promptodban: A „Írd le ezt a képet“ kérés homályos eredményeket hoz. A „Azonosítsd a termékeket, színeket és a látható szöveget“ sokkal hatékonyabb.
- Kérj strukturált formátumot (JSON, lista) az automatikus feldolgozás megkönnyítése érdekében.
- Igazítsd a részletességi szintet az igényhez:
lowaz osztályozáshoz,higha finom elemzéshez. - Használd a
store: falsebeállítást érzékeny képeknél vagy olyanoknál, amelyekre a GDPR vonatkozik.
Főbb megállapítások
- A képleírás a Grok vision alapvető alkalmazási esete.
- Strukturáld a promptjaidat, hogy használható válaszokat kapj (JSON, listák).
- Igazítsd a
detailparamétert a szükséges pontossági szinthez. - A gyakori alkalmazások közé tartozik az e-kereskedelem, az akadálymentesítés és a moderálás.
- Ne feledd a
store: falsebeállítást érzékeny adatok esetén.