Rediģēšana vairākos soļos un mērķtiecīga retušēšana
Šajā lapā
Atjaunināts 2026. gada 3. novembrī. Pamatojoties uz Image Editing lapu, Image Prompting Guide un xAI Images API atsauces dokumentāciju:
/v1/images/editsgalapunktam navmaskparametra — ne atsauces dokumentācijā, nexai-sdk1.21.0 versijā — pretēji tam, ko apgalvoja iepriekšējā versija. Retušēšana tiek veikta mērķtiecīgi, izmantojot uzvedni (prompt), un zona tiek aizsargāta pikseļu precizitātē, lokāli uzliekot masku pēc rediģēšanas. Avoti: Image Editing · Image Prompting Guide · Images API.
Rediģēšanas ķēdēšana
Attēlu rediģēšana kļūst patiesi spēcīga, kad savieno vairākas modificēšanas darbības. xAI aprakstītais princips ir vienkāršs: vienas rediģēšanas rezultāts kļūst par nākamās ievadi, ļaujot sākt ar bāzes attēlu un pēc tam soli pa solim pievienot detaļas, pielāgot stilu vai veikt labojumus.
import requests
import os
headers = {
"Authorization": f"Bearer {os.getenv('XAI_API_KEY')}",
"Content-Type": "application/json"
}
def edit_image(image_url, prompt):
"""Rediģē attēlu un atgriež rezultāta URL."""
response = requests.post(
"https://api.x.ai/v1/images/edits",
headers=headers,
json={
"model": "grok-imagine-image",
"prompt": prompt,
"image": {"url": image_url}
}
)
response.raise_for_status()
return response.json()["data"][0]["url"]
# 1. solis: fona modificēšana
url_tour1 = edit_image(
"https://exemple.com/portrait.jpg",
"Replace the background with a modern office overlooking the city. "
"Keep the same person, pose, and framing."
)
# 2. solis: apgaismojuma pielāgošana
url_tour2 = edit_image(
url_tour1,
"Make the light warm and dim, like late afternoon. "
"Keep the same person, decor, and framing."
)
# 3. solis: elementa pievienošana
url_tour3 = edit_image(
url_tour2,
"Place an open laptop on the desk, in front of the person. "
"Keep the same person, lighting, and framing."
)
print(f"Final result: {url_tour3}")
Labākā prakse rediģēšanai vairākos soļos
xAI ceļvedis iesaka veikt rediģēšanu, kad subjekts un izkārtojums jau ir labi un ir jāmaina tikai viena līdz trīs detaļas; ja pats subjekts ir nepareizs, labāk to ģenerēt no jauna. Katrs solis sākas ar modificēšanas aprakstu, un tad vienā teikumā norāda, kas nemainās: subjekts, leņķis, kadrs vai objektu novietojums. Ceļvedis norāda divas formulējumu kļūdas, no kurām izvairīties: pirmā sākas ar „saglabāt visu”, kas gandrīz neko nemaina, un otrā kopē pilnu uzvedni, kas atkārtoti komponē ainu — subjekts nobīdās, objekts dubultojas vai pārvēršas kaimiņu objektā.
Kārto soļus no vispārīgā uz specifisko: vispirms fons, kompozīcija un noskaņa, tad aksesuāri un smalki labojumi, lai vēlākas būtiskas izmaiņas neatceltu iepriekš veiktās smalkās retušēšanas.
Metodi papildina divi drošības pasākumi. Lejupielādē katru starprezultātu tūlīt pēc tā ģenerēšanas: URL ir pagaidu, un, zaudējot piecu soļu sērijas trešo soli, tev nāksies sākt no jauna no otrā sola. Un pārbaudi katru soli pirms ķēdēšanas: defekts, kas ieviests pirmajā solī — piemēram, sagrozīts pirksts vai nekonsekventa ēna — nonāks visos turpmākajos soļos, jo katrs no tiem sākas no iepriekšējā attēla.
Zonas mērķēšana, izmantojot uzvedni
API nepieņem masku: mērķēšanu veic uzvedne. Norādi modificējamo daļu pēc iespējas precīzāk — pēc nosaukuma, pozīcijas, materiāla — un nosauc to, kam jāpaliek identiskam.
url_chapeau = edit_image(
url_tour3,
"Replace the person's cap with a wide-brimmed straw hat. "
"Keep the same face, hairstyle, decor, and framing."
)
Ja labojums neiedarbojas, ceļvedis iesaka mainīt vārdus, nevis atkārtot to pašu pieprasījumu, precīzāk norādot attēla daļu, kas jālabo, un tai jāparāda. Lai apvienotu vairākus attēlus — produktu interjerā vai tēlu no viena attēla uz citu — rediģēšana pieņem līdz pat pieciem avota attēliem (7. nodarbība).
Zonas aizsargāšana pikseļu precizitātē: lokālā maska
Ja attēla daļai nav jāpavirzās ne par pikseli — logotipam, sejai, tekstam — uzliec masku lokāli pēc rediģēšanas: tu saglabā sākotnējo zonu un no rediģētā attēla paņem tikai to, kas atrodas ārpus šīs zonas. Izmantojot Pillow, Image.composite(image1, image2, mask) kopē image1 tur, kur maska ir balta, un saglabā image2 tur, kur tā ir melna:
from PIL import Image, ImageDraw
original = Image.open("original.jpg").convert("RGB")
edite = Image.open("edite.jpg").convert("RGB").resize(original.size)
# Maska: balts = ņem rediģēto, melns = saglabā sākotnējo
masque = Image.new("L", original.size, 255)
draw = ImageDraw.Draw(masque)
draw.rectangle([40, 40, 360, 160], fill=0) # aizsargātā zona, piemēram, logotips
resultat = Image.composite(edite, original, masque)
resultat.save("resultat.jpg")
Visiem trim attēliem jābūt vienāda izmēra. Izmēru maiņa pieņem, ka rediģēšana ir saglabājusi avota attēla malu attiecību: pārbaudi to vai piespiedu kārtā nodrošini to, izmantojot pieprasījuma aspect_ratio parametru. Maska neaizkavē modeli pieskarties zonai; tā ļauj to atjaunot pēc tam.
Pilnīga rediģēšanas darbplūsma
Lūk, strukturētas darbplūsmas piemērs, saglabājot katra soļa vēsturi:
class ImageEditor:
def __init__(self, api_key):
self.headers = {
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"
}
self.history = []
def edit(self, image_url, prompt):
response = requests.post(
"https://api.x.ai/v1/images/edits",
headers=self.headers,
json={
"model": "grok-imagine-image",
"prompt": prompt,
"image": {"url": image_url}
}
)
response.raise_for_status()
result_url = response.json()["data"][0]["url"]
self.history.append({
"prompt": prompt,
"input": image_url,
"output": result_url
})
return result_url
Galvenās atziņas
- Rediģēšana vairākos soļos ķēdē rezultātus: katra izeja kļūst par nākamās rediģēšanas ievadi
- Rediģē, kad subjekts un izkārtojums ir labi un jāmaina tikai viena līdz trīs detaļas
- Katrā solī: vispirms modificēšana, tad tas, kam jāpaliek identiskam
- API nav
maskparametra: mērķē, izmantojot uzvedni, un aizsargā zonu ar lokālu masku, ko uzliek pēc rediģēšanas - Izejas URL ir pagaidu: lejupielādē starprezultātus