Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Vaizdo aprašymas

Paskaita 5 iš 12 Atnaujinta 2026 m. liepos 30 d. Pradedantisiems
Šiame puslapyje
  1. Išgauk įžvalgas iš savo vaizdų
  2. Bendras aprašymas
  3. Struktūruotas aprašymas
  4. Pavyzdys: el. prekybos produktų kortelės
  5. Pavyzdys: alternatyvusis tekstas (prieinamumas)
  6. Pavyzdys: turinio moderavimas
  7. Geriausios aprašymo praktikos
  8. Svarbiausi punktai

Išgauk įžvalgas iš savo vaizdų

Grok OCR – teksto ištraukimas iš vaizdo Vaizdo aprašymas yra natūraliausias „Grok“ daugiamodės regos panaudojimo atvejis. Tu siunti vaizdą, užduodi klausimą, o modelis grąžina išsamią tekstinę analizę. Nors tai atrodo paprasta, ši galimybė gamyboje atveria didelių perspektyvų.

El. prekyba
Automatinės produktų kortelės
Prieinamumas
Automatinis alternatyvusis tekstas
Moderavimas
Turinio filtravimas
Katalogas
Automatinis indeksavimas

Bendras aprašymas

Paprščiausias prašymas – paprašyti laisvos formos aprašymo:

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."}
    ]
)

Modelis identifikuoja pagrindinius elementus (objektus, žmones, tekstą, spalvas, kompoziciją) ir sukuria aprašomąją pastraipą. Daugumai vaizdų pakanka auto režimo.

Struktūruotas aprašymas

Gamyboje laisvos formos aprašymai retai būna tinkami naudoti. Norėsi nukreipti modelį naudodamas struktūruotą užklausą:

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}
    ]
)

Šis formatas yra paruoštas naudojimui tavo programoje duomenų bazėms, paieškos sistemoms ar katalogams pildyti.

Pavyzdys: el. prekybos produktų kortelės

Labai pageidaujamas naudojimo atvejis – automatinis produktų aprašymų generavimas iš nuotraukų:

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

Naudodamas detail: "high", modelis fiksuoja smulkias produkto detales (tekstūras, etiketes, apdailą), kurios praturtina aprašymą.

Pavyzdys: alternatyvusis tekstas (prieinamumas)

Automatinis alt atributų generavimas tavo svetainės vaizdams gerina prieinamumą ir SEO:

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

Čia pakanka low režimo, nes alternatyvusis tekstas yra bendras aprašymas, o ne detalizuota analizė.

Pavyzdys: turinio moderavimas

Regą gali naudoti automatiškai filtruodamas vartotojų įkeliamus vaizdus:

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

Geriausios aprašymo praktikos

  • Būk tikslus savo užklausoje: „Aprašyk šį vaizdą“ duoda neaiškius rezultatus. „Identifikuok produktus, spalvas ir matomą tekstą“ yra daug efektyviau.
  • Prašyk struktūruoto formato (JSON, sąrašo), kad palengvintum automatinį apdorojimą.
  • Derink detalumo lygį pagal poreikį: low klasifikavimui, high – detaliai analizei.
  • Naudok store: false jautriems vaizdams arba tiems, kuriems taikomas BDAR.

Svarbiausi punktai

  • Vaizdo aprašymas yra pagrindinis „Grok“ regos naudojimo atvejis.
  • Struktūruok savo užklausas, kad gautum tinkamus naudoti atsakymus (JSON, sąrašus).
  • Derink detail parametrą pagal reikiamą tikslumo lygį.
  • Dažniausi taikymo būdai: el. prekyba, prieinamumas ir moderavimas.
  • Atmink naudoti store: false jautriems duomenims.