Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Több kép összehasonlítása

8. lecke 12 közül Frissítve 2026. július 30. Kezdő
Ezen az oldalon
  1. Több kép elemzése egyetlen kérésben
  2. Többképes kérés felépítése
  3. Használati eset: Előtte/Utána összehasonlítás
  4. Használati eset: Időbeli nyomon követés
  5. Használati eset: Minőségellenőrzés
  6. Használati eset: Versenytárselemzés
  7. Többképes kérések optimalizálása
  8. Főbb megállapítások

Több kép elemzése egyetlen kérésben

A Grok Vision egyik legfőbb erőssége, hogy egyetlen kérésben korlátlan számú képet küldhetsz el. Ez olyan egyedi lehetőségeket nyit meg az összehasonlítás, az időbeli nyomon követés és a keresztanalízis terén, amelyeket az egyszerre csak egy képet kezelő API-k nem tudnak biztosítani.

Többképes kérés felépítése

A formátum egyszerű: adj hozzá annyi input_image objektumot az input tömbhöz, amennyire szükséged van, és szöveges utasításokkal tűzdeld őket az elemzés irányításához:

response = client.responses.create(
    model="grok-4.5",
    input=[
        {"type": "input_text", "text": "A kép:"},
        {"type": "input_image", "image_url": url_image_a},
        {"type": "input_text", "text": "B kép:"},
        {"type": "input_image", "image_url": url_image_b},
        {"type": "input_text", "text": "Hasonlítsd össze részletesen ezt a két képet."}
    ]
)

Ha minden képet szöveggel címkézel meg („A kép“, „B kép“), az segít a modellnek strukturálni a választ, és egyértelműen hivatkozni az egyes képekre.

Használati eset: Előtte/Utána összehasonlítás

Kiválóan alkalmas projektkövetésre, felújításra, tervezésre vagy minőségellenőrzésre:

def comparer_avant_apres(url_avant, url_apres):
    prompt = """Hasonlítsd össze ezt a két képet (előtte és utána), és azonosítsd:

1. A főbb változásokat
2. A változatlanul maradt elemeket
3. A látható fejlesztéseket
4. Bármilyen esetlegesen bevezetett potenciális problémát

A választ strukturált lista formájában add meg."""

    response = client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_text", "text": "ELŐTTE:"},
            {"type": "input_image", "image_url": url_avant, "detail": "high"},
            {"type": "input_text", "text": "UTÁNA:"},
            {"type": "input_image", "image_url": url_apres, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Használati eset: Időbeli nyomon követés

Követheted egy helyszín, termék vagy folyamat fejlődését az idő múlásával:

def analyser_evolution(images_chronologiques):
    """images_chronologiques: lista {"url": ..., "date": ...} elemekből"""
    input_data = []

    for img in images_chronologiques:
        input_data.append({
            "type": "input_text",
            "text": f"Fotó dátuma: {img['date']}:"
        })
        input_data.append({
            "type": "input_image",
            "image_url": img["url"],
            "detail": "auto"
        })

    input_data.append({
        "type": "input_text",
        "text": """Elemezd ezekben a képekben látható kronológiai fejlődést.
Azonosítsd a fokozatos változásokat, trendeket
és minden figyelemre méltó eseményt a különböző dátumok között."""
    })

    response = client.responses.create(
        model="grok-4.5",
        input=input_data,
        store=False
    )
    return response.output_text

Használati eset: Minőségellenőrzés

Hasonlítsd össze a legyártott terméket a referencia modellel:

def controle_qualite(url_reference, url_produit):
    prompt = """Hasonlítsd össze a lefotózott terméket a referencia modellel.

Azonosítsd:
1. A megfelelőséget (mi egyezik a modellel)
2. A nem megfelelőséget (eltérések, hibák, különbségek)
3. Az egyes nem megfelelőségek súlyosságát (kisebb, nagyobb, kritikus)

Válaszként JSON-t adj vissza:
{
  "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": "REFERENCIA (elvárt modell):"},
            {"type": "input_image", "image_url": url_reference, "detail": "high"},
            {"type": "input_text", "text": "ELLENŐRZENDŐ TERMÉK:"},
            {"type": "input_image", "image_url": url_produit, "detail": "high"},
            {"type": "input_text", "text": prompt}
        ],
        store=False
    )
    return response.output_text

Használati eset: Versenytárselemzés

Hasonlítsd össze a versenytársak felületeit, csomagolásait vagy termékprezentációit:

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": """Hasonlítsd össze ezeket a versenytársi termékeket/felületeket.
Minden egyes esetben azonosítsd a vizuális erősségeket és gyengeségeket.
Adj javaslatot a pozicionálásra."""
    })

    response = client.responses.create(
        model="grok-4.5",
        input=input_data,
        store=False
    )
    return response.output_text

Többképes kérések optimalizálása

Ha sok képet küldesz, a tokenfogyasztás gyorsan növekszik. Íme néhány optimalizálási stratégia:

A részletesség szintjének beállítása

Használd a low értéket az általános összehasonlításokhoz, és csak a finom részletek elemzésekor válaszd a high opciót:

# Általános összehasonlítás: a low elég
detail = "low"  # ~256 token képenként

# Hibaanalízis: high szükséges
detail = "high"  # ~1024-1792 token képenként

A kérésenkénti képek számának korlátozása

Bár nincs szigorú korlát, 10–15 képnél több esetén az elemzés minősége romolhat. A modell kontextusa véges, és azt el kell osztania az összes kép között:

# Ha 10-nél több kép van, dolgozz csoportokban
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)

Képek átméretezése

Ha nagy felbontású fotókat hasonlítasz össze általános elemzés céljából, méretezd át őket elküldés előtt a tokenek csökkentése érdekében:

def preparer_pour_comparaison(chemin, taille_max=(800, 800)):
    img = Image.open(chemin)
    img.thumbnail(taille_max)
    # ... kódolás base64-re

Főbb megállapítások

  • A kérésenkénti képek száma korlátlan – ez az xAI API egyik legfőbb előnye
  • Címkézd meg minden képet szöveggel az elemzés strukturálásához
  • Igazítsd a detail paramétert az összehasonlítás típusához
  • 10–15 képnél több esetén dolgozz csoportokban a minőség megőrzése érdekében
  • Tipikus használati esetek: előtte/utána összehasonlítás, időbeli nyomon követés, minőségellenőrzés, versenytárselemzés