Vaizdo aprašymas
Šiame puslapyje
Išgauk įžvalgas iš savo vaizdų
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.
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:
lowklasifikavimui,high– detaliai analizei. - Naudok
store: falsejautriems 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
detailparametrą pagal reikiamą tikslumo lygį. - Dažniausi taikymo būdai: el. prekyba, prieinamumas ir moderavimas.
- Atmink naudoti
store: falsejautriems duomenims.